论文题目: 基于地理信息系统空间数据挖掘若干关键技术的研究
论文类型: 博士论文
论文专业: 计算机应用
作者: 王占全
导师: 王申康
关键词: 空间数据挖掘,序列,空间同位,空间离群,时序,属性相关,分类特征
文献来源: 浙江大学
发表年度: 2005
论文摘要: 空间数据挖掘是指从空间数据库中抽取隐含知识、空间关系或非显式存储在数据库中有意义的特征或模式。该技术在理解空间数据、获取空间与非空间数据间内在关系方面具有重要意义。由于近年来空间地理信息系统(Geography Information System,GIS)广泛地应用到各个行业中,积累大量与空间位置相关的空间数据,因此空间数据挖掘研究已成为当前研究的重要课题。 本论文系统地讨论空间数据挖掘的基本理论,提出GIS中空间数据挖掘系统体系结构和能挖掘多种空间知识类型的多种空间数据挖掘算法,实现一个GIS中空间数据挖掘原型系统——GIS_Miner,论文研究成果可归纳如下: (1)进一步完善空间数据挖掘的理论和技术框架,对其所涉及的问题与方法进行系统的分析和阐述,为全文的研究提供理论基础和方法指导。提出一种包括数据源、挖掘器、用户界面三层结构的空间数据挖掘体系结构并分析其各模块及基本步骤,阐述从空间数据库中能发现的知识类型。研究空间数据挖掘的方法并阐述各种方法的特点和适用范围,指出空间数据挖掘中的知识可用多种知识表达方法。 (2)研究属性相关下空间离群点挖掘实施模式,介绍离群数据和离群数据挖掘的定义,描述离群数据中的四种主要发现方法,并且研究离群算法在CAD中的实施情况。在空间统计学的基础上,引用属性相关性矩阵理论和R-tree动态索引结构来搜索空间离群点,从而提出多属性相关的空间离群数据挖掘方法,分别从某型摩托车前灯外覆盖件数据和杭州地学数据两方面进行性能分析。 (3)提出空间分类同位规则的方法,首先介绍经典的关联规则,空间关联规则,基于规则空间同位方法,研究基于向量数据的同位规则算法,根据空间关系定义数据挖掘中事务的概念,采用多层参与索引,搜索空间同位规则,从而实现对空间分类数据有效地处理,算法对杭州地区119火灾数据进行试验,并验证算法的适用范围和性能。试验表明,算法可以有效地处理经过离散化后的连续数据。 (4)研究空间同位时序分析的方法,首先介绍经典的时序分析技术,在此基础上分析当今事件序列模式挖掘的方法和应用范围,从而根据事件分布的实际情况,综合序列、同位、关联规则技术提出时序空间同位的算法,通过设置事件重叠窗口,来分析时序序列,对其进行时间复杂度和试验分析,结果显示这种方法能够有效地提取时空相关的知识。 (5)在GIS的基础上,实现空间数据挖掘的原型系统,它具有灵活开放的结构,能够挖掘空间特征、关联及分类等多种知识类型的规则。最后通过在杭州119系统数据上的应用,验证系统的可行性。
论文目录:
摘要
Abstract
第一章 绪论
1．1 课题的提出与意义
1．2 数据挖掘的研究现状及内容
1．2．1 数据挖掘的产生
1．2．2 数决挖掘的发展
1．2．3 数据挖掘的研究现状
1．2．4 数据挖掘系统的介绍
1．2．5 数据挖掘的应用
1．3 GIS空间数据系统的现状及内容
1．3．1 GIS空间数据系统
1．3．2 GIS空间数据系统研究现状
1．4 空间数据挖掘
1．4．1 空间数据类型
1．4．2 空间数据的复杂特性
1．4．3 空间数据挖掘研究的意义
1．4．4 空间数据挖掘的研究现状和发展趋势
1．4．4．1 空间关联规则挖掘算法的研究
1．4．4．2 时间序列挖掘技术的研究
1．4．4．3 空间同位算法的研究
1．4．4．4 空间离群算法的研究
1．4．4．5 空间分类技术的研究
1．5 本文主要内容及论文组织
1．6 本章小结
第二章 基于GIS空间数据挖掘的理论和体系结构
2．1 空间数据挖掘定义与特点
2．2 空间数据挖掘的体系结构与基本过程
2．2．1 空间数据的体系结构
2．2．1．1 空间数据挖掘方法模块
2．2．1．2 算法分析模块
2．2．1．3 数据预处理模块
2．2．1．4 数据库(源)模块
2．2．1．5 评价模块
2．2．2 空间数据挖掘的基本过程
2．3 空间数据挖掘所能发现的知识类型
2．4 空间数据挖掘的方法
2．5 空间数据挖掘中知识的表达方法
2．6 空间数据挖掘的应用
2．7 空间数据挖掘与相关主要研究方向的关系
2．8 空间数据挖掘系统介绍
2．9 本章小节
第三章 属性相关空间离群数据的研究
3．1 相关概念
3．1．1 离群数据的定义
3．1．2 离群数据数据挖掘的定义
3．2 基于统计离群点检测的研究
3．3 基于距离离群点检测的研究
3．4 基于偏离离群点检测的研究
3．5 基于规则离群数据的研究
3．6 面向CAD离群算法的研究
3．6．1 面向曲面造型的特征点离群算法
3．6．2 算法描述
3．7 属性相关空间离群数据的研究
3．7．1 算法模型的建立
3．7．2 算法描述
3．7．3 算法复杂度分析
3．7．4 实验分析
3．7．4．1 面向曲面造型特征点提取的离群算法试验分析
3．7．4．2 面向杭州地形数据的离群数据方法试验分析
3．8 本章小节
第四章 空间分类数据同位规则算法的研究
4．1 频繁模式与关联规则挖掘
4．1．1 关联规则挖掘与Apriori算法
4．1．2 对Apriori算法的改进
4．1．3 频繁模式与关联规则挖掘研究的新发展
4．2 空间关联规则的研究
4．2．1 空间关联规则的概念
4．2．2 空间谓词表达
4．2．3 空间关联规则挖掘的方法
4．3 空间同位问题的研究
4．4 基于向量数据的同位研究
4．4．1 基于向量数据的同位研究
4．4．2 基于扩展域向量数据的同位研究
4．5 空间分类同位规则算法的研究
4．5．1 建模和定义
4．5．2 算法描述
4．5．3 算法应用例子分析
4．5．4 算法复杂度分析
4．5．5 试验分析
4．6 小节
第五章 时序空间数据同位规则的研究
5．1 时序分析技术
5．1．1 几种经典的时序分析技术
5．1．2 当前时序技术分析
5．2 时序数据挖掘
5．2．1 时间序列数据类型与分类
5．2．2 时间序列数据挖掘及其分类
5．3 时序模式的表示和提取方法
5．3．1 事件模式抽取和表示
5．3．2 事件序列模式挖掘方法
5．4 时序空间同位方法的研究
5．4．1 相关概念
5．4．2 算法的定义和建模
5．4．3 时序序列空间同位挖掘例子
5．4．4 算法描述
5．4．4．1 时序同为算法数据结构分析
5．4．4．2 时序同位挖掘算法概述
5．5 算法时间复杂度分析
5．6 试验分析
5．7 本章小节
第六章 原型系统及其应用
6．1 GIS及相关概念
6．2 设计思想和目标
6．3 系统结构和功能
6．3．1 系统结构和流程图
6．3．2 系统功能
6．4 系统的实现技术
6．4．1 MapBase模块
6．4．2 算法
6．4．3 GIS_Miner原型系统用户界面
6．5 本章小节
第七章 结论与展望
7．1 论文主要工作总结
7．2 论文创新点
7．3 进一步的研究工作
参考文献
攻读博士期间主要科研成果和工程项目
致谢
发布时间: 2005-05-13
参考文献
- [1].空间数据挖掘及其可视化系统若干关键技术研究[D]. 樊明辉.中国科学院研究生院（遥感应用研究所）2006
- [2].基于Web的空间数据挖掘研究[D]. 傅明.中南大学2004
- [3].空间数据挖掘关键技术研究[D]. 张志兵.华中科技大学2004
- [4].定性空间推理及其应用技术研究[D]. 孙海滨.吉林大学2006
- [5].空间数据挖掘问题的语义解析与智能化求解方法研究[D]. 巫建伟.福州大学2014
- [6].基于空间自相关的空间数据挖掘若干关键技术的研究[D]. 胡彩平.南京航空航天大学2007
- [7].基于空间分区的空间聚类研究[D]. 黄明.武汉大学2010
- [8].空间数据挖掘中若干关键技术研究[D]. 贾俊杰.长安大学2009
- [9].面向精准农业的空间数据挖掘技术研究与应用[D]. 陈桂芬.吉林大学2009
- [10].空间数据挖掘的研究[D]. 周海燕.中国人民解放军信息工程大学2003