空间数据库的空间数据挖掘技术研究

论文摘要

信息时代的来临使得知识成为决策的重要依据,但是知识获取手段的相对贫乏制约了对数据的综合利用。此外地理信息系统技术在各个行业的广泛应用,数据挖掘、空间数据采集技术、空间数据库技术的发展和成熟,以及现有地理信息系统空间分析功能的不足,促使产生了从空间数据库中进行知识发现的技术---空间数据挖掘。其中,空间同位规则挖掘就是一种新的空间数据挖掘方法。空间co-location模式代表了空间属性的实例在地理空间中的频繁关联。当前挖掘空间co-location模式所遇到的困难在于,空间属性的实例分布在连续的空间中并拥有复杂的空间关系。因此,算法的大部分计算时间用来分离co-location模式中的实例。但是,在部分应用中并不需要找出空间域的全部同位模式,只要求得到针对某个属性的空间同位规则。针对这种情况,本文提出了一种新的co-location模式挖掘算法,该算法使用邻近关系扫描作为发现co-location模式的基本方式,同时考虑了负空间同位规则的存在。为了减少计算量,算法利用了星形邻域去减少连接运算和定义兴趣度去删除不感兴趣的空间同位模式。模拟实验证明,该算法在这种应用中能够同时挖掘正空间同位规则和负空间同位规则,提高了整个co-location模式挖掘过程的效率和结果的准确性。

论文目录

• 摘要
• SUMMARY
• 第一章 绪论
• 1.1 空间数据挖掘的产生
• 1.1.1 数据挖掘的产生背景
• 1.1.2 空间数据挖掘产生的背景
• 1.2 空间数据挖掘的研究现状和发展趋势
• 1.2.1 空间数据挖掘的研究现状
• 1.2.2 空间数据挖掘的发展趋势
• 第二章 空间数据库与空间数据挖掘
• 2.1 空间数据的特点与分类
• 2.1.1 栅格空间数据
• 2.1.2 矢量空间数据
• 2.2 空间数据库基本概念
• 2.2.1 空间对象抽象
• 2.2.2 空间对象关系和表达
• 2.2.3 空间索引技术
• 2.3 ORACLE SPATIAL中的空间数据管理
• 2.4 空间数据挖掘的任务
• 第三章 空间数据挖掘中的空间邻域关系
• 3.1 实验数据说明和数据准备
• 3.2 基于邻近区域的估计
• 3.2.1 距离内聚集
• 3.2.2 最近邻聚集
• 3.2.3 加权近邻聚集
• 3.3 不利用邻域聚集的犯罪预测:
• 3.4 利用邻域聚集的犯罪预测
• 3.5 实验对比总结
• 第四章 基于空间邻域关系的正负CO-LOCATION规则挖掘
• 4.1 空间同位模式与空间同位规则
• 4.1.1 同位模式的基本概念
• 4.1.2 正负同位规则
• 4.2 同位模式以及规则的度量
• 4.3 对空间CO-LOCATION模式挖掘的全连接及无连接算法
• 4.3.1 基于完全连接的co-location模式挖掘算法
• 4.3.2 基于划分连接的co-location模式挖掘算法
• 4.3.3 非连接的co-location模式挖掘算法
• 4.4 基于星型邻域分割的CO-LOCATION模式挖掘
• 4.5 算法描述
• 4.6 算法证明与试验结果
• 4.6.1 算法的正确性和完整性证明
• 4.6.2 试验结果分析
• 4.7 本章小节
• 第五章 总结与展望
• 致谢
• 主要参考文献
• 附录