时序空间关联规则挖掘及其应用研究

空间关联规则挖掘是空间数据挖掘的重要内容,文中给出了时序空间关联规则挖掘的相关概念、原理及实现（算法）,研究了时序空间关联规则挖掘数据集的构造方法,提出通过空间实体关联关系和时间项转置方法将处于不同时刻的、相互独立的空间数据集进行重构,生成隐含了时序空间关联特征的挖掘数据集,进而可应用关联规则挖掘算法获取时序空间关联知识,初步进行了时序空间关联规则挖掘的应用研究。     

基于布尔矩阵的空间关联规则提取方法研究

空间关联规则是空间数据挖掘(SDM)中的重要内容之一。由于空间数据的复杂性,传统的空间关联规则挖掘方法主要是将空间数据库变换为非空间数据库,通过挖掘算法挖掘空间关联规则。目前,Apriori算法是关联规则挖掘中使用最为普遍的算法,但是,由于该算法在关联规则提取过程中需要多次扫描数据库,并且产生冗余的候选项集,因此,在执行大型数据库的关联规则挖掘时,具有效率低下的缺陷。本文基于Apriori算法提出了基于布尔矩阵的空间关联规则挖掘算法,并以挖掘福建省厦门市土地覆盖现状与地形特征因子的空间关联关系作为试验案例,对比Apriori算法的提取结果与提取效率,结果表明:该算法不仅减少了扫描数据库的次数,而且减少了冗余候选项集的产生,提高了空间关联规则的提取效率。     

基于模拟退火的量化空间关联规则挖掘

目前在空间关联规则挖掘研究中,对数据的处理和算法的改进主要针对布尔关联规则挖掘,存在对空间关联规则的量化表示不够重视等问题。在FP-growth算法的基础上增加规则的事务信息,并使用模拟退火算法,对得到的规则进行进一步挖掘,得到量化空间关联规则。     

空间数据挖掘与发展趋势研究

目前国内外学者已提出不少种空间数据挖掘(SDM)的方法,如统计方法、泛化方法、空间分析方法、聚类方法、探测性的数据分析、粗集方法、云理论、图像分析和模式识别等。本文试从空间数据挖掘方法的角度,探讨空间关联规则的挖掘方法以及它与传统的关联规则挖掘方法之间的区别,介绍空间聚类挖掘方法的分类和几种典型算法,最后概述了空间数据挖掘的发展趋势。     

利用叠置分析和面积计算实现空间关联规则挖掘

提出利用叠置分析和面积计算实现空间关联规则挖掘的算法I-Apriori及其改进算法FI-Apriori,这两种算法不依赖于空间数据的事务化,可以直接从矢量多边形图层中提取所有强关联规则.采用实际数据对两种算法进行了检验,验证了它们的可用性与有效性,并对挖掘所得空间关联规则的筛选和可视化方法进行了探讨.     

空间关联规则挖掘在中国农业普查中的应用研究

空间关联规则挖掘是一个过程,主要包括数据选取、数据预处理、数据变换、数据挖掘算法实施以及模式解释与评估等。目前,相关研究的重点在于各种空间关联规则挖掘算法的实施,而对其他几个步骤的研究比较少,如多个字段的综合处理、连续数据的离散化等。同时,农业普查数据尤其是第二次全国农业普查数据涵盖了丰富的"三农"信息,像座宝藏,期待人们运用各种技术开发利用。空间关联规则挖掘无疑是挖掘农业普查数据宝藏的最理想工具。本文将空间关联规则挖掘首次引入中国农业普查当中,以其在甘肃农业普查中的应用实例详细描述空间关联规则挖掘各步骤处理过程及各技术关键的处理方法,最后得出一些甘肃省各界最为感兴趣的知识,为甘肃省解决"三农"问题提供决策依据。     

基于元模式的空间关联规则挖掘方法

空间关联规则可以从空间数据库中发现空间对象之间的隐含的、不明确的空间关系。空间数据库中空间关联规则挖掘研究是空间数据挖掘和知识发现(SDMKD)的主要内容,其主要问题是多层,多关系的规则发现问题。本文把元模式与空间关联规则挖掘相结合介绍了挖掘地理信息系统(GIS)中空间数据库关联规则的常用步骤方法。     

空间数据挖掘中关联规则的支持度和可信度研究

空间数据挖掘中所依赖的空间相关性是由空间关联规则描述的.研究了事务集为粗糙集时空间关联规则支持度和可信度的计算方法;提出了当事务集为粗糙集、空间数据为模糊数据时的模糊粗糙关联规则.同时,推导了空间关联规则的支持度和可信度的变化规律.     

空间数据挖掘中关联规则的支持度和可信度研究

空间数据挖掘中所依赖的空间相关性是由空间关联规则描述的。研究了事务集为粗糙集时空间关联规则支持度和可信度的计算方法;提出了当事务集为粗糙集、空间数据为模糊数据时的模糊粗糙关联规则。同时,推导了空间关联规则的支持度和可信度的变化规律。     

从GIS数据库中挖掘空间关联规则研究

G IS数据库中空间关联规则发现是SDMKD的重要内容,广泛涉及到知识的表示和推理,需要地理空间知识的深入参与。在地理空间认知的基础上,结合认知逻辑,通过ILP对空间关联规则进行形式化描述,特别分析了其中涉及的空间谓词;通过例子说明了形式化空间关联规则的具体应用。从G IS数据库中挖掘空间关联规则的主要问题是多层、多关系的规则挖掘问题,不同专题图层不同空间对象之间空间谓词的高效计算与存储表达是解决问题的关键;把空间关系非空间化,将连续数据离散化,从而把求解问题转换成布尔型关联规则问题进行讨论,基于此而探讨了一种通过SJI-P表组织空间谓词,然后根据目标对象的概念层级自顶向下、逐层细化的空间关联规则挖掘方法。     

面向空间关联的空间关系计算方法

当前,利用空间关系在多源数据间建立空间关联是地理信息领域的研究热点。针对这一热点,提出一种面向空间关联的基于自适应四叉树编码计算矢量数据空间关系的方法。首先,以经纬度网格划分技术为指导思想,基于自适应四叉树进行空间编码,建立空间数据与对应编码间的关联;在此基础上,利用编码计算空间数据的网格拓扑、方向及距离关系,从而建立空间数据间的空间关联;最后,以深圳市OSM矢量地图为实验数据来验证。实验表明,自适应四叉树编码方法能集成地表达3种空间关系,且计算速度较快、效率较高,具有较强的实用性。     

从空间分析到空间决策的思考

地理信息系统正处在空间分析系统步入空间决策支持系统的关键时期,及时总结GIS分析理论和技术体系,展望空间决策发展趋势是值得广大地学工作者深思的问题。在分析回顾空间分析理论和技术发展历史的基础上,总结了现状研究和应用存在的问题,指出了空间分析向空间决策支持技术发展需解决的关键问题,并对空间决策支持系统未来的发展作出了几点思考,以期对空间决策支持技术发展提供指导。     

GMLGIS空间分析与空间数据编辑应用研究

当前GML技术研究已经取得了丰硕成果,而GML应用研究,包括空间互操作、可视化条件下的空间分析等却没有得到相应的发展。对GML应用到空间分析与编辑领域进行了初步研究,在GML可视化的基础上实现了GMLGIS的空间分析与空间数据编辑。     

空间物体分类及空间物体构造

空间物体描述是ＧＩＳ的基本任务之一，而空间物体的分类是空间物体描述的基础。理想的空间物体分类模型不但应具有完备描述（构造）各种空间物体的能力，而且应能够揭示基本的空间关系，有助于空间分析的规范化系统化。本文在分析空间概念模型和现有的几种空间物体分类模型的基础上，提出了空间物体分类的基本原则，给出了新的空间物体分类模型：简单点、复合点、简单线、有向简单线、复合线、有向复合线、多边形，并说明了以这类基本物体类型构造复杂物体的一般性方法。     

论空间数据处理与空间数据挖掘

根据现行文献中反复提到的空间数据处理内涵的理解．将空间数据处理分为空间数据处理技术和空间数据处理理论，简要论述了各自的主要内容．讨论了空间数据挖掘的现状和今后研究的重点，比较了空间数据处理与空间数据挖掘的异同。     

基于空间插值的影像纠正精度的空间可视化表达

现有影像纠正精度以控制点精度评定为基础 ,对于精度探讨采用可视化技术从整体上进行表达。以相似变换作为影像纠正的基本模型 ,推导了纠正后任意点精度与控制点精度的关系 ,并基于此选择采用距离倒数乘方法作为空间插值方法 ,插值影像纠正后任意点不同方向上的以及点位的精度。在此基础上 ,采用精度可视化的概念对影像纠正的质量加以描述 ,通过一个加密前后影像纠正的实例说明其应用的方法 ,并获得了一些有益的结论     

Oracle数据库空间数据类型和空间函数扩展实现

Oracle数据库是海量空间数据存储和查询的首选数据库之一,其对面向对象技术的支持和扩展为对象-关系空间数据库的实现奠定了坚持基础.这里详细介绍了Oracle数据库的对象类型、对象类型方法和其对继承、多态这两个面向对象核心概念的支持,并在Oracle92中参照OpenGIS矢量几何对象模型,扩展了空间数据类型和空间函数.并基于这些空间数据类型和空间函数构建了空间数据表,进行了空间查询试验.     

Oracle数据库空间数据类型和空间函数扩展实现

Oracle数据库是海量空间数据存储和查询的首选数据库之一,其对面向对象技术的支持和扩展为对象-关系空间数据库的实现奠定了坚持基础。这里详细介绍了Oracle数据库的对象类型、对象类型方法和其对继承、多态这两个面向对象核心概念的支持,并在Oracle92中参照OpenGIS矢量几何对象模型,扩展了空间数据类型和空间函数。并基于这些空间数据类型和空间函数构建了空间数据表,进行了空间查询试验。     

空间视图在图形数据更新中的应用研究

在研究Geodatabase数据模型的基础上,给出了空间视图的定义,探讨了基于空间视图的图形数据更新过程,设计了更新的结构图和活动图。     

空间和属性双重约束下的自组织空间聚类研究

形式化定义了双重聚类的聚类准则及其判定方法,提出了双重聚类的两步法求解思路和自组织双重聚类算法。通过实例验证了该算法的可行性,自组织双重聚类可以发现非空间属性的聚集、延伸等空间分布特征,可以发现任意复杂形状的聚类,并降低了人为影响。