空间数据挖掘及其可视化系统若干关键技术研究

论文摘要

数据挖掘技术已经成为解决“数据爆炸、知识贫乏”问题的有效手段，在地学数据分析领域引入数据挖掘与知识发现的概念、模式和方法，探讨适合地学应用的数据挖掘新方法，对于有效处理海量地学数据、提高地学分析的自动化和智能化水平具有重要意义。 可视化技术能为数据挖掘提供直观的数据输入、结果输出和挖掘过程的交互探索分析手段，提供在人的感知力、洞察力、判断力参与下的数据挖掘手段，从而大大地弥补了GIS重“显示数据对象”轻“刻画信息结构”的弱点，有力地提高空间数据挖掘进程的效率和结果的可信度，在地学领域，可视化与空间数据挖掘的结合已成为必然。 本文系统地讨论了基于数据仓库的空间数据集成技术，改进了空间关联规则、粗糙集和空间聚类算法，研究了契合上述挖掘算法的若干可视化技术，在此基础上，实现了一种开放式的“即插即用型”数据挖掘系统，并集成上述数据挖掘技术、可视化技术，形成一套可视化空间数据挖掘的理论框架、技术方法和原型系统。研究内容和结果可归纳为： （1） 阐述了空间数据集成和空间数据集成模型的相关理论和概念，对多源空间数据的集成模式进行了探讨。讨论了多源空间数据的一体化处理技术和多尺度空间数据的一体化处理技术，提出了基于数据仓库的数据集成总体框架，设计了一个基于Web的空间OLAP工具，并给出了具体的实现流程。 （2） 改进了Apriori算法，提出了一种基于映射的高效大项集关联规则发现算法MBAR。探讨了空间概念树和层次关联规则结合的途径，提出了基于概念树的多层次空间规则算法，给出了算法处理流程和应用实例。 （3） 探讨了应用于多准则决策分析的基于优势关系的粗糙集扩展模型，对该模型中已有的求核和知识约简算法进行了研究，提出了一个新的优势区分矩阵的定义，在该定义的基础上给出了相应的求核和求约简算法，给出了在属性约简之后提取优势规则的方法。 （4） 研究了基于空间邻接关系的空间聚类挖掘算法VSG-CLUST。该算法是一种基于图分割的可视化空间聚类算法，利用Delaunay三角网工具和MST（最小生成树）将地理实体的邻接信息（空间相邻关系）加入并参与到空间聚类中。研究了利用多尺度的空间概念层次关系进行空间聚类挖掘的算法，将尺度因素作为一种约束条件施加于VSG-CLUST算法中MST的分割和修剪策略，即一种基于尺度约束的空间层次聚类挖掘算法。 （5） 讨论了基于OLAP的空间多维可视化方法，并给出OLAP多维可视化

论文目录

• 第一章 绪论
• 1.1 立题依据
• 1.2 可视化数据挖掘概述
• 1.2.1 可视化数据挖掘
• 1.2.2 研究进展
• 1.3 空间数据仓库数据集成概述
• 1.3.1 基于数据仓库的多源数据集成
• 1.3.2 研究进展
• 1.4 空间关联规则概述
• 1.4.1 空间关联规则
• 1.4.2 研究进展
• 1.5 粗糙集理论概述
• 1.5.1 粗糙集
• 1.5.2 研究进展
• 1.6 空间聚类研究概述
• 1.6.1 聚类挖掘
• 1.6.2 研究进展
• 1.7 研究技术路线
• 1.8 论文的主要内容及特色
• 1.9 论文的组织与安排
• 第二章 基于数据仓库的空间数据集成技术研究
• 2.1 数据集成
• 2.1.1 数据集成模式
• 2.1.2 多源空间数据的集成模式
• 2.2 空间数据仓库与数据集成
• 2.2.1 空间数据仓库的概念、特征和功能
• 2.2.2 面向空间数据仓库的数据集成
• 2.2.3 基于数据仓库的数据集成总体框架
• 2.2.4 空间数据仓库的数据模型
• 2.2.5 空间数据立方体的构建及 OLAP分析
• 2.3 小结
• 第三章 空间关联规则及其改进算法研究
• 3.1 空间关联规则的理论基础
• 3.1.1 空间关联规则
• 3.1.2 挖掘的对象的空间特性
• 3.1.3 空间关联规则挖掘算法
• 3.2 一种基于映射的关联规则挖掘算法
• 3.2.1 提高Apriori算法的有效性的方法
• 3.2.2 映射理论及其作用机制
• 3.2.3 算法与分析
• 3.3 基于概念树的多层次空间关联规则挖掘改进算法
• 3.3.1 基于概念树的多层次空间关联规则
• 3.3.2 算法处理流程
• 3.3.3 应用实例分析
• 3.4 小结
• 第四章 基于优势关系的粗糙集算法研究
• 4.1 粗糙集理论基础
• 4.1.1 粗糙集基本概念
• 4.1.2 知识约简
• 4.2 基于优势关系的粗糙集模型
• 4.2.1 类区分矩阵求约简算法
• 4.2.2 类区分矩阵求约简的不足
• 4.2.3 优势区分矩阵及求核方法
• 4.2.4 基于优势区分矩阵的求约简方法
• 4.2.5 基于优势关系的规则提取
• 4.3 粗糙集在遥感影响分类中的实证研究
• 4.3.1 应用背景
• 4.3.2 数据源情况
• 4.3.3 数据预处理
• 4.3.4 挖掘结果
• 4.4 小结
• 第五章 基于图分割的空间层次聚类算法研究
• 5.1 空间层次聚类基础
• 5.1.1 空间聚类问题
• 5.1.2 空间邻接关系及其表示
• 5.1.3 最小生成树MST
• 5.2 基于最小生成树（MST）的空间数据可视化聚类挖掘
• 5.2.1 算法思想
• 5.2.2 算法描述
• 5.2.3 算法分析
• 5.3 尺度维条件下的MST聚类
• 5.3.1 空间聚类的尺度问题
• 5.3.2 算法思想
• 5.3.3 算法描述
• 5.3.4 算法实现
• 5.4 小结
• 第六章 高维空间数据挖掘的交互式可视化技术研究
• 6.1 可视化空间数据挖掘
• 6.1.1 可视化与空间数据挖掘
• 6.1.2 空间数据挖掘中可视化的作用
• 6.1.3 交互可视化的主要方法
• 6.2 基于OLAP的空间多维可视化
• 6.2.1 前端分析工具
• 6.2.2 OLAP与 GIS
• 6.2.3 空间 OLAP的实现难点
• 6.2.4 空间度量的计算
• 6.2.5 可视化实例
• 6.3 基于3D的空间关联规则可视化
• 6.3.1 空间关联规则可视化
• 6.3.2 Java 3D与关联规则可视化
• 6.3.3 可视化流程
• 6.3.4 几何变换处理
• 6.3.5 三维地理实体的拾取
• 6.3.6 可视化实例
• 6.4 多尺度空间聚类可视化
• 6.4.1 数据预处理与可视化
• 6.4.2 树的生成
• 6.4.3 树的分割
• 6.5 小结
• 第七章 开放式空间数据挖掘集成系统的设计与实现
• 7.1 数据挖掘系统的演进
• 7.1.1 数据挖掘系统的几个发展阶段
• 7.1.2 数据挖掘系统的不足与弊端
• 7.2 基于Web的开放式空间数据挖掘系统
• 7.2.1 基本思想
• 7.2.2 面向服务的体系结构SOA
• 7.2.3 “即插即用”的开放式数据挖掘技术
• 7.3 系统框架与主要功能模块设计
• 7.3.1 系统体系结构
• 7.3.2 数据集成模块设计
• 7.3.3 算法管理模块设计
• 7.3.4 数据挖掘引擎模块设计
• 7.4 系统运行
• 7.4.1 系统运行界面
• 7.4.2 算法注册
• 7.4.3 数据挖掘任务建立
• 7.5 小结
• 第八章 结语与展望
• 本文的主要内容总结
• 有待进一步研究的问题
• 参考文献
• 攻博期间发表论文和科研情况
• 致谢