空间数据挖掘的研究进展

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,迫切需要新的数据挖掘技术和知识为其提供方法。文章从空间数据挖掘的基本概念出发,详细阐述了空间数据挖掘的特点、可发现的知识类型以及进行空间数据挖掘的主要方法,并给出了一种基于多组件空间数据挖掘的体系结构。最后,还对空间数据挖掘的进一步发展做了展望。     

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。     

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。     

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。     

空间数据挖掘技术方法及应用

着重阐述了通用的空间数据挖掘体系结构,空间数据的关联特性,几种主要的空间数据挖掘方法。最后对一实例进行了应用分析。     

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。     

基于空间数据仓库的空间数据挖掘研究

分析了空间数据仓库的特点和体系结构，在空间数据仓库的基础上提出了一种空间数据挖掘的模型结构，介绍了一些常用空间数据挖掘算法，并展望了其广阔的应用前景。     

基于MapX的空间数据挖掘模型及其应用

利用Mapx控件对GIs数据强大的操作与处理功能，将Mapx应用到空间数据挖掘中，构建了基于MapX的空间数据挖掘模型。通过该模型可以方便的对空间数据与非空间数据进行操作处理，以及空间对象之间的拓扑关系与距离信息等进行判定，从而解决了空间数据挖掘中数据整合与数据预处理的问题。概念泛化技术应用于数据预处理中，构建了概念层次树。关联规则算法有效应用于空间数据挖掘中．荻取了有用的知识。     

GIS系统数据挖掘功能的扩展

该文分析了GIS系统中数据挖掘的特点与要求,总结和比较了空间数据挖掘技术的研究和不同开发方式,提出了一种在GIS系统中扩展空间数据挖掘功能的方法。     

一个用于空间聚类分析的遗传K-均值算法

空间数据挖掘是数据挖掘的一个新的分支，空间聚类分析是空间数据挖掘中的一个重要研究课题。本文在分析遗传算法及K-均值算法的优越性和不足的基础上，设计了一种遗传K-均值空间聚类分析算法，该算法兼顾了局部收敛和全局收敛性能。实验表明，其结果优于传统K-均值聚类方法及单纯的遗传算法聚类。     

带障碍约束的遗传K中心空间聚类分析

空间聚类分析是空间数据挖掘中的一个重要研究课题。传统聚类算法忽略了真实世界中许多约束条件的存在，而约束条件的存在会影响聚类结果的合理性。讨论了带障碍约束的空间聚类问题，研究了一种基于遗传和划分相结合的带障碍约束空间数据聚类分析方法，设计了一个带障碍约束的遗传K中心空间聚类分析算法。对比实验表明，该方法兼顾了局部收敛和全局收敛性能，考虑到了现实障碍物对聚类结果的影响，使得聚类结果更具有实际意义，其结果优于传统K中心聚类及单纯的遗传聚类，不足之处是其计算速度相对较慢。     

空间数据挖掘技术的研究现状与发展趋势*

简要介绍了空间数据挖掘技术的产生背景和发展现状,对空间数据挖掘的体系结构和系统原型进行了概述,总结了空间数据挖掘近年来的研究方法及面临的主要问题,并对下一步的发展方向进行了展望。     

空间数据挖掘发展研究

空间数据挖掘是指对空间数据库中非显式存在的知识、空间关系或其它有意义的模式等的提取,在地理信息系统、地理市场、遥感、图像数据勘测、医学图像处理、导航、交通控制、环境研究等各种领域有着广泛的应用。该文从空间数据挖掘的定义、过程、特征和任务等方面对空间数据挖掘技术进行了研究,并介绍了一个空间数据挖掘原型—GeoMiner和未来的研究方向。     

数据挖掘的应用和发展趋势叶磊

由于数据挖掘在各行业中的广泛应用,因而该技术引起了人们的普遍关注,近年来该技术在金融、电信、零售、医疗、科研等行业领域内发挥了巨大的作用。网站的数据挖掘(Websitedatamining)即Web挖掘、生物信息或基因的数据挖掘以及空间数据挖掘成为数据挖掘领域新的研究热点。