基于空间统计分析的关联规则应用研究

1 引言在数据挖掘的研究领域,对于关联规则挖掘的研究开展得比较积极和深入。关联规则挖掘就是要找出隐藏在数据间的相互关系,它展示了数据间未知的依赖关系,根据这种关联性就可从某一数据对象的信息来推断另一数据对象的信息。文[1～6]对关联规则的挖掘作了有意义的研究。R.Agrawal等提出了Apprilri算法和挖掘多层次关联规则的Culmulate,Stratify等算法,J.S.Park等提出了 DHP算法,J.Han等提出了面向属性归纳的关联规则挖掘算法ML—T2Ll等。空间统计分析主要用于空间数据的分类和综合评价,它涉及到空间和非空间数据的处理和统计计算。空间统计分析的方法很多,包括主成分分析、层次分析、系统聚类分类、判别分析、空间自相关分析和G统计分析。本文试图用空间自相关分析和G统计分析方法挖掘数据之间的关联规则。     

基于多最小支持度的空间关联规则发现

空间关联规则挖掘可应用于发现空间数据库中大量空间谓词与非空间谓词之间的特定空间关系。论文针对区县道路交通数据提出了一种基于多最小支持度的空间关联规则挖掘算法,并给出了在GIS中进行空间关联规则挖掘的一般方法和流程。该挖掘算法可以从城市道路地理信息数据库中发现用户感兴趣的空间关联规则,经实际应用于城市道路规划管理系统,证明该算法是有效、可行的。     

基于多最小支持度的空间关联规则发现

空间关联规则挖掘可应用于发现空间数据库中大量空间谓词与非空间谓词之间的特定空间关系。论文针对区县道路交通数据提出了一种基于多最小支持度的空间关联规则挖掘算法,并给出了在GIS中进行空间关联规则挖掘的一般方法和流程。该挖掘算法可以从城市道路地理信息数据库中发现用户感兴趣的空间关联规则,经实际应用于城市道路规划管理系统,证明该算法是有效、可行的。     

空间拓扑关联的双向挖掘研究

针对现有挖掘算法不能快速地提取空间拓扑关联,提出一种空间拓扑关联的双向挖掘算法,其适合在海量空间数据中挖掘空间拓扑关联规则;该算法用二进制数表示空间拓扑元,并用其位运算,按自顶向下和自底向上两种方式计算产生候选频繁项,实现双向搜索空间拓扑关联规则;算法在计算支持数时还用数字式空间事务的特性减少被扫描的事务数,达到提高挖掘效率的目的。实验结果表明在空间数据中挖掘空间拓扑关联规则时,该算法比现有算法更快速更有效。     

空间关联规则的增量维护

为了得到有趣且有效的空间关联规则通常需要多次执行挖掘操作,可以使用增量维护算法来提高挖掘效率。然而,能够直接使用空间数据的关联规则增量更新算法尚属空白。为解决这一问题,对挖掘阈值改变和空间数据集更新后通过筛选或增量挖掘等方法实现规则维护的策略进行了分析,并提出适用于支持度阈值减小和空间图层增加这两类情况的增量挖掘算法——ISA。ISA算法不依赖于空间事务表的构建与更新,可以直接使用空间图层作为输入数据。在基于实际数据的实验中,采用ISA算法所得结果与类Apriori算法一致,耗时则相对缩短20.0%至71.0%;此外,对1372772条规则进行了基于筛选的更新,耗时低于0.1s。实验结果表明,所提出的空间关联规则增量维护策略和算法是可行、正确且高效的。     

一种交替搜索空间拓扑关联的挖掘算法

针对现有挖掘算法不能有效提取空间拓扑关联的问题,提出一种交替搜索空间拓扑关联的挖掘算法,适合在海量空间数据中挖掘空间拓扑关联规则。该算法从候选数字区间的两端,用数字递增和递减2种方式产生候选频繁项,实现交替搜索空间拓扑关联规则。在计算支持数时用数字特征减少被扫描的事务数,达到提高挖掘效率的目的。实验结果表明,在空间数据中挖掘空间拓扑关联规则时,该算法比现有算法更快速、有效。     

直接从空间数据中挖掘频繁模式

为简化空间频繁模式挖掘的预处理步骤并提高挖掘效率, 提出一种可以直接以空间矢量和栅格图层作为输入的挖掘算法FISA(fast intersect spatial Apriori)。该算法利用图层求交和面积计算操作实现谓词集支持度计数进而实现频繁谓词集和关联规则挖掘。相对于基于事务空间关联规则挖掘算法, FISA不需要预先进行空间数据事务化处理, 并且所得结果均有对应图层, 便于实现结果的可视化; 相对于其他基于空间分析的挖掘算法, FISA支持空间数据的矢量和栅格格式, 且引入了快速求交方法以保证其可伸缩性。实验结果表明该算法可以直接从空间数据中高效正确地挖掘出频繁模式。     

基于图像分割的两阶段空间关联规则挖掘算法

关联规则挖掘可以深入发现空间数据间的感兴趣知识。空间数据格式多样、数据量大,现有的算法并不适合。本文以RSI及产量图为数据源,提出了基于图像分割的两阶段空间关联规则挖掘算法,挖掘图像像素颜色值之间的空间关联规则。通过算法分析和实验,该算法是有效、可行的。     

一种基于云理论的空间关联规则提取算法

在空间关联规则挖掘中,如何进行定量定性转换是一个十分关键的问题,而云理论正是一种处理该问题的有效工具.文章提出了一种基于云模型的属性空间软化分方法.并且通过研究传统的关联规则挖掘方法和空间数据本身的特点,对Apriori算法进行了改进,提出了更适用于时空间数据进行挖掘的算法.最后通过实例测试,验证了改进算法的有效性.     

基于云南气象数据的空间关联规则挖掘

空间关联规则挖掘可以深入发现现实世界大量空间谓词和非空间谓词之间的特定空间关系。论文结合气象数据的特点和已有传统关联规则挖掘算法的优点,针对云南气象数据提出了一种基于项目序列集的空间关联规则挖掘算法。通过严格的算法分析和具体实验表明,该算法是有效、可行的。     

空间关联规则的双向挖掘

空间数据库中关联规则挖掘不仅需要考虑关系元组属性之间的关系——纵向关系,更需要挖掘元组之间的关系——横向关系,如相邻、相交、重叠等。本文通过分析空间数据库的存储模式,借鉴事务数据库关联规则的挖掘方法,对空间关联规则进行完整定义,并对规则的兴趣度度量进行探讨。根据挖掘的方向将空间数据挖掘归纳为纵向挖掘、横向挖掘、双向挖掘。在双向挖掘中,提出一种新算法,该算法根据挖掘任务进行约束,缩小挖掘空间,然后通过空间计算将空间关系转化为非空间关系,经过多次循环,获取非空间项集,进而挖掘出空间关联规则。据此提出空间数据双向挖掘工作流程,并通过实例进行了验证。     

基于J2EE的空间数据挖掘系统设计与实现

在分析空间数据挖掘特点的基础上，充分集成空间数据仓库技术、空间数据挖掘技术以及空间信息表达等技术，设计了一个基于J2EE的空间数据挖掘原型。重点介绍该原型系统的功能框架与体系结构、空间关联规则挖掘模块、挖掘结果的可视化表达模块的设计和实现办法。最后给出系统以某市土地利用现状数据集为例的空间关联规则挖掘结果界面。结果表明该系统可较好地满足可靠性、扩展性、可用性等业务需要。     

基于空间统计学的空间关联挖掘

将空间统计分析应用于空间关联挖掘领域，给出空间权重矩阵、空间自相关和空间关联的度量函数，并以中国有代表性的37个大中城市的地理空间数据为例，进行空间关联研究。根据空间数据的地理位置构造其Voronoi图、Delaunay图，计算空间对象之间的距离并构造其邻域图和空间自相关矩阵，在此基础上计算空间对象间的空间自相关系数和局部空间关联系数，包括Mnran’s I、Gereay’s C、局部Moran、G统计，并依据这些系数发现空间对象间的空间关联知识。     

基于J2EE的空间关联规则研究与原型系统实现

空间关联规则与传统关联规则的主要区别在于空间关联规则挖掘需要考虑空间实体的距离关系、方位关系和拓扑关系,而空间概念层次的形成往往是基于多个空间数据层或面向特定主题的。该文在研究空间关联规则算法的基础上,提出一种基于概念树的多层次空间关联规则挖掘算法,设计和实现一种基于J2EE的空间关联规则原型挖掘系统,并以某市土地利用为例说明了系统的实施过程。该系统挖掘出来的8大类土地利用类型的空间关联规则具有一定的现实意义。     

空间关联规则发掘的一种渐进求精算法

由于空间数据具有不同于事务型数据的特点,使得针对事务数据的挖掘算法不完全适用于空间数据．通过近似．求精的渐进方法,可以得到有效的空间关联规则挖掘算法．     

房产数据的Web抓取、地理空间化及可视化

提出了在地理空间系统Web开放平台的基础上,利用抓取互联网房产数据,抓取集成在线地理信息数据查询服务,实现了一种对在线房产数据获取、空间化及其可视化的方法.该方法主要通过地理热力图可视化和柱状图表可视化房产数据.地理热力图直观地将房产价格数据分布情况通过不同颜色地理区块呈现,给在城市区域内购房者提供了有力的与空间位置集成的房价参考依据.利用地理空间化方法表达房产数据,能够提高用户获取数据中有用和关键信息的效率.该方法也是利用地理空间数据分析和开发工具挖掘隐含信息的地理空间处理过程.实现了房产数据的抓取、空间化及可视化整个功能,并采用实际的在线房产数据对功能进行了检验,最终结果验证了房产数据抓取、空间化及可视化的可用性与有效性,同时也对可视化所得的结果进行了简单的分析和分类.     

基于空间关联规则挖掘的数据格式转换研究

通过对两种传统的CAD数据到GIS数据转换方法的系统研究,分析了转换过程中存在的信息丢失等问题。基于空间数据关联规则挖掘思想,从问题着手,设计了一种全新的CAD的文本数据到GIS的点层数据的转换方案与挖掘算法。最后,以一个实际的例子,实现了对CAD的文本数据的空间关联规则挖掘,提取文本的坐标信息和属性信息,建立GIS空间数据库,并对转换的几何精度和属性精度进行了评价。     

矢量空间数据库中关联规则的挖掘算法研究

按照矢量空间数据的特点和空间数据挖掘的要求，以GIS的空间分析和空间数据处理为工具，探讨了矢量空间数据库中关联规则挖掘的数据处理方法，提出了关联规则的挖掘算法。最后，通过实例进行了验证。     

基于空间分析的空间关联规则提取

空间关联规则是空间数据挖掘的一个重要结果表现形式，从GIS中挖掘空间关联规则是一个理解和将GIS中的数据转化成知识很好的方法。GIS从本质上讲是一个空间数据库管理系统，现在的商业空间数据库管理系统中都不能存储空间分析的关系如空间拓扑关系、空间相邻关系等。文章提出了一种基于空间分析的空间关联规则的挖掘算法，并给出了实例、分析及讨论。     

挖掘空间拓扑关联的有效算法

在基于空间事务的横向关联规则挖掘中,为了能够在海量数据中有效地提取空间拓扑关联规则,提出一种挖掘空间拓扑关联的有效算法,其适合挖掘多层横向空间关联规则.该算法用二进制数存储空间拓扑关系,使空间事务和数字建立对应关系,用数字递增的方法产生候选频繁项.在计算支持数时,算法在用逻辑运算的同时还利用数字特性减少扫描的空间事务数,大大地提高了效率.实验结果表明,在提取多层空间拓扑关联规则时,其比现有的算法更快速更有效.