空间数据挖掘方法分析

空间数据挖掘是数据挖掘与空间数据库相结合的产物．由于空间数据的复杂性特点使得空间数据挖掘比一般数据挖掘要复杂得多。本文从挖掘任务和挖掘方法的角度,重点分析了空间分类、空间聚类以及空间关联规则三种挖掘方法,指出它们的优缺点和适用的问题空间,最后指明空间数据挖掘需要在挖掘精度、算法效率、数据挖掘方法和任务的多样性以及数据挖掘的不确定性等方面进一步完善。     

空间数据挖掘技术的应用研究

空间数据由于其复杂多维的特殊性使得对空间数据的存储和挖掘比传统的数据要困难,本文研究了空间数据库的主要特点、空间数据挖掘技术的常用方法以及建立空间数据仓库的有效模型——星型模式,并以某地区气象数据为例对所研究的方法进行验证分析。     

空间数据挖掘理论与方法的研究

针对ＧＩＳ应用的需要,介绍了空间数据挖掘的意义,理论和方法,包括空间数据,挖掘知识的种类,空间数据挖掘方法,挖掘处理的一般过程,并给出了基于ＧＩＳ的空间数据挖掘的框架结构,最后指出研究趋势和发展方向。     

空间数据挖掘认识及其思考

在这个大数据时代,空间数据正在从各个领域飞速累计。空间数据挖掘作为数据挖掘的一部分,现已成为人们研究空间数据的重点学科。主要介绍了空间数据挖掘的基本概念、一般步骤及其最新的挖掘方法,表达了对当前空间数据挖掘的看法。最后对未来空间数据挖掘的研究方向进行了更加深入的探讨。     

基于互联网的市场行情可视化信息系统

提出了基于Internet的空间数据和非空间数据分布存储的空间数据仓库模型，并将其与数据挖掘技术相结合，开发了基于Internet的农产品市场行情时空演变可视化信息系统。该系统由来自Web网页的数据源、驻留Web数据自动抓取工具和非空间数据库的服务器以及驻留空间数据库、具有可视化展示和空间数据挖掘功能的客户机组成。为提高系统客户机的运行效率，系统采用了多种策略，如分布存储策略、瘦客户机策略、模糊匹配以及批处理策略等。系统具有界面友好、操作简便、可视化程度高等优点。     

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。     

空间数据挖掘技术研究

空间数据挖掘是从大量的空间数据中发现有用知识和模式的技术,本文重点研讨了空间数据挖掘的知识和方法,在此基础上指出空间数据挖掘存在的问题,并提出空间数据挖掘今后的理论发展趋势。     

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。     

沿江港口码头管理系统中的空间知识挖掘

利用空间数据挖掘技术挖掘信息系统中隐藏的知识与信息，以提高决策的科学性是当前研究的热点之一。阐述了空间数据挖掘的概念和基本特点以及空间数据挖掘与GIS的关系，介绍了空间数据挖掘的基本方法和步骤。结合江苏省沿江开发的实例，在对江苏沿江港口码头数据分析和调查的基础上，以辅助决策为目的，利用空间数据挖掘语言GMQL实现了江苏省沿江港口码头管理系统中的空间数据挖掘，并简单介绍了空间数据挖掘在沿江港口管理中的应用。     

城市地下管网GIS中的空间数据挖掘模型设计

GIS在城市地下管网中的广泛应用导致了管网数据库中数据量的急剧增长。为提高城市地下管网的管理水平,更好地从管网数据库中采集有价值的知识,将空间数据挖掘技术运用到地下管网GIS系统是一种行之有效的方法。介绍GIS和空间数据挖掘结合的必要性,分析了基于空间数据仓库实施空间数据挖掘的理论依据,给出了一个实用的城市地下管网GIS空间数据挖掘模型。该模型可有效地在管网GIS中实现挖掘功能,使GIS具备一定的智能化特征。     

一种求解空间数据聚类的粒子动力学演化算法*

从空间数据挖掘的基本概念出发,阐述了空间数据的特点及空间数据挖掘的常规方法,分析了用常规方法进行数据挖掘的不足,提出了一种求解空间数据聚类的粒子动力学演化算法——SDCPDEA。该方法有效地避免了用常规方法进行空间数据聚类时的缺陷,增强了聚类分析方法的灵活性和有效性。实验结果表明,对于空间数据的聚类分析问题,该算法具有很好的性能。     

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。     

空间数据挖掘研究综述

信息化的发展使得更多的空间数据被使用,因此获取空间知识也就越来越重要和有意义,并使得空间数据挖掘成为一个很有前途的研究领域。本文系统概括了空间分类和预测、空间聚类、空间孤立点和空间关联规则4类空间数据挖掘方法及其进展,最后探讨了空间数据挖掘的未来发展方向。     

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。     

基于邻接关系的空间数据挖掘技术的研究

随着现代科学技术的迅速发展,复杂多变的空间数据日益膨胀,远远超出人们的解译能力,迫切地需要数据挖掘和知识发现为其提供知识。文中从空间数据挖掘的基本概念出发,详细阐述了空间数据的特点、空间邻接关系及其相关操作,并针对空间邻接关系给出了几种典型的空间数据挖掘方法。     

浅析空间数据挖掘技术

空间数据挖掘是指从空间数据库中抽取隐含知识、空间关系或非显式存储在数据库中有意义的特征或模式。该技术在理解空间数据、获取空间与非空间数据间内在关系方面具有重要意义。     

基于交叉覆盖设计算法的空间分类挖掘

空间数据库中存储了大量的空间和非空间数据,并且隐含了丰富的知识。为了从空间数据库中发现有价值的模式和知识,文中介绍了空间数据分类挖掘的研究现状和方法,及M-P神经元的超球领域几何意义,然后将多层前向神经网络的交叉覆盖设计算法应用于空间数据分类挖掘中,用来预测和分析森林覆盖类型,实验得到了很好的效果。     

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。     

论知识发现与数据挖掘

知识发现和数据挖掘是空间数据获取、空间数据库、空间计算机以及网络通信、管理决策支持等技术发展到一定阶段的产物,作为一门新型的边缘学科,其汇聚了例如人工智能、数据库、模式识别等多种学科的研究成果。本文将简要介绍知识发现与挖掘技术的相关概念、过程及常用的技术方法,并介绍一下知识发现和数据挖掘的应用。     

基于邻接关系的空间数据挖掘技术的研究

随着现代科学技术的迅速发展，复杂多变的空间数据日益膨胀，远远超出人们的解译能力，迫切地需要数据挖掘和知识发现为其提供知识。文中从空间数据挖掘的基本概念出发，详细阐述了空间数据的特点、空间邻接关系及其相关操作，并针对空间邻接关系给出了几种典型的空间数据挖掘方法。