空间数据采掘的研究与发展

数据采掘的研究已从关系型和事务型数据库扩展到空间数据库。空间数据采掘是一个很有发展的领域,它是在大量空间数据中进行知识发现的技术。文中总结了空间数据采掘领域中的研究成果,概括出空间数据采掘的体系结构、查询语言及相关方法,并探讨了目前存在的问题和发展方向。     

数据挖掘方法与可视化

迄今为止,数据挖掘与知识发现软件的功能不再停留在“挖掘”这个单一功能的实现,而已延伸到数据挖掘与知识发现的过程．即包括数据的预处理、数据挖掘、模型评估与可视化;在单纯的模型可视化基础上扩充了数据可视化与数据挖掘过程可视化：本文着重讨论了数据挖掘的方法与可视化技术,最后提出了未来的研究方向。     

在数据挖掘中基于SOM网络的数据分析可视化设计

阐述了SOM（Self-Organizing Map)自组织神经网络和Davies-Bouldin聚类判定法，采用SOM网络构建了数据挖掘中数据模型，设计了SOM网络数据分析可视化软件，并进行了详细的可视化数据分析，同时，设计的软件已经初步应用到数据挖掘当中，取得了良好的效果。     

可视化数据挖掘技术

迄今为止,数据挖掘与知识发现软件的功能不再停留在"挖掘"这个单一功能的实现,而已延伸到数据挖掘与知识发现的过程,即包括数据的预处理、数据挖掘、模型评估与可视化,在单纯的模型可视化基础上扩充了数据可视化与数据挖掘过程可视化.主要讨论了数据挖掘的方法与可视化技术,指出了未来的研究方向.     

基于Python的数据分析与可视化平台研究

在数据时代,数据的价值受到广泛关注,分析数据背后的含义已成为广泛研究的问题。Python是一种可操作性强、易于使用、功能齐全的工具,广泛用于数据分析。本文使用Python作为主要工具,并使用其内置和集成库来分析和可视化不同类型的数据,充分发挥Python在数据分析领域的作用。     

大量空间数据可视化的算法

在大量应用中，空间数据的采集和使用都是通过其空间位置进行的。在大小有限的屏幕上显示大量的空间数据常会因为邻结点的高度重叠而导致较差的视觉效果。该文提出一种可视化大量空间数据的新方法。其主要思想就是用未被使用的像素点巧妙地代替重叠的数据点。介绍了两种解决方法：(I)将重叠的数据点放置在最近的未被占用的像素点上；(2)将数据点沿着屏幕填充曲线移动。接着，发展了一个更为成熟的方法叫栅格划分算法。最后，提出了一种有待进一步研究的新方法;基于最近邻接方法的聚类方法，并指出了今后研究的方向。     

基于聚类的空间数据可视化方法

首先介绍了目前空间数据可视化技术的研究内容和基本方法,对基于实体和基于区域两类常用方法进行了分析和总结。在此基础上提出了一种基于聚类的空间数据可视化方法,其基本思想是利用以Delaunay三角网的自适应空间聚类算法(ASCDT)为代表的空间聚类算法进行聚类分析,并获得结果描述参数,结合基本方法和参数特征设计专门用于聚类结果表达的可视化对象,进而实现空间数据的图上投影。最后对该类方法有待进一步探讨和改进的内容进行了展望     

可视化数据挖掘技术及其应用

大型数据库信息管理和信息挖掘技术是国际热门问题之一。利用Ｍａｔｃｏｍ技术将软件Ｍａｔｌａｂ的矩阵计算功能内嵌到ＶＢ环境中,用友好的人机交互界面实现数据库操作与数据分析一体化,形成相关软件,进一步以高阶相关系数能刻画变量相关的特性为基础,乘法地实现数据挖掘的高阶关联分析所需要的矩阵运算和动态作图功能。     

基于空间图层的交互式空间数据可视化研究

空间数据是具有可视化特性的"图形或图像"数据,迄今为止,很少有人关注空间数据的图层显示方式和空间数据的图形表达方式的结合。为此,本文首先实现了三种常用空间数据可视化工具,并选用MO软件包做为图层处理工具,在此基础上设计并实现了一系列可视化交互功能,以耦合图层显示和数据显示两种表达方式,最终达到了交互式数据可视化方便直观的效果。     

空间数据挖掘的研究与发展

随着空间数据获取手段的快速发展,从大量空间数据中自动、快速、有效地发现知识显得越来越重要。该文简要介绍了空间数据挖掘技术的产生背景和发展现状,对空间数据挖掘的基本理论和主要研究领域进行了概述,总结了空间数据挖掘近年来的研究成果,并对下一步发展做了展望。     

数据可视化的研究与发展

针对数据可视化是可视化技术在大型数据库的应用中提出的新的数据分析和处理技术，该文介绍了数据可视化的概念和发展状况，然后针对大型数据集介绍了几种数据可视化技术以及它们的代表方法，并对数据可视化和科学计算可视化进行了分析和比较，最后探讨了数据可视化技术的研究发展方向。     

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。     

基于三维数据场可视化方法的虚拟MEMS加工工艺的研究

虚拟加工工艺是利用计算机产生三维图形的动态生长来模拟实际的加工过程,而如何生成真实自然的三维图形就成了关键所在。本文提出了一种基于三维数据场可视化来实现虚拟加工的方法。该方法类似于医学数据三维重建, 由一序列的分层切片的二维图像重构三维形体。首先根据给出的虚拟加工工艺数据对原始二维版图进行相应的数学形态学变换生成一系列所需的二维切片图像,然后利用这些二维切片图像对体数据场进行初始化,最后采用Marching Cubes方法从体数据场中构造出等值面。本文主要阐述了如何根据工艺参数对原始版图进行数学形态学变换以及如何构造体数据场进行等值面的绘制。     

基于Web的空间关联规则提取及可视化的实现

提出了一种基于空间拓扑概念树的关联规则挖掘算法,基于J2EE设计了一个B/S模式的关联规则挖掘工具,给出了Web三维空间关联规则可视化的实现流程,最后将该技术应用于两个具体实例中,并给出实现的运行界面。     

空间数据知识发现研究进展评述

首先对当前空间数据的复杂性特征进行了分析,提出海量的数据,空间属性之间的非线性关系,空间数据的尺度特征,空间信息的模糊性,空间维数的增高以及空间数据的缺值是当前空间数据复杂性的主要表现特征,并以其为线索将近年来在空间数据知识发现领域的研究进展及其热点进行了较为系统的归纳,在此基础上,对空间数据知识发现与GIS的关系进行了阐述,并对空间数据知识发现的未来发展趋势进行了展望。     

空间数据立方体的建模方法研究

研究了基于空间数据仓库的一种决策分析工具——空间在线分析处理(OLAP)的支撑技术。将普通数据立方体与空间数据立方体进行比较,提出空间数据立方体的维和度量的建模方法,解决了空间维与非空间维、空间度量与数值度量的集成建模问题。     

基于超图模型的空间数据挖掘

在空间数据挖掘中,知识表现为空间数据的内在结构以及不同数据子集之间的关系。可视化技术充分利用了图形和图像的表达能力以及人对于色彩和空间的敏锐的感知能力,使人机有机地融合在一起。该文基于超图理论提出了超图模型并将其用于空间数据挖掘。超图模型将超图理论、对象技术和可视化技术融合在一起,可用于表达复杂数据的内在结构和相互之间的关系,也表示对象的不同属性以及对象之间的关联程度。     

基于数据融合的DEM插值与可视化

针对某航海训练仿真系统对三维地形实时性及逼真性的需要,提出了对DEM数据进行插值以提高数据的精度。在概略介绍空间插值原理及分类的基础上,分别着重介绍了克里金插值算法及改进谢别德插值算法的原理和特点。为了兼顾这两种插值算法的优点,克服单一插值方法的不足,提出了基于数据融合的插值方法。详细阐述了DEM插值的过程,并结合实例,利用SRTM3数据进行了测试,实现了DEM的可视化。仿真结果表明,与单独采用两种插值算法相比,基于数据融合所得数据插值效果较好,插值精度得到了明显的提升。     

空间数据挖掘知识的地图可视化表达*

通过分析空间数据挖掘所能发掘的知识类型,对发掘出的知识表达方式进行了研究,提出地图是空间数据挖掘规则和知识的可视化表达的优秀和成熟的表示方法,并对如何表达进行了探讨。