空间数据挖掘方法研究进展.pdfVIP

空间数据挖掘方法的研究进展 汪闽 周成虎 中国科学院资源与环境信息系统国家重点实验室 北京 100101 S．HC．CII email：{wangm，zhouch}@lrei 摘要：本文对空间数据挖掘框架、以发现的知识类别为分类的挖掘方法的研究进展作了回顾与研 讨，对空问数据挖掘争后的发展方向做了思考。 关键词：空间数据挖掘防淄空闽信息迁化 空间关联规则 空间分类(寨蔓) 、， ～^1 ， ＼一 0引言 数据挖掘(Data Mining，DM)，一般也称从数据库中发现知识，对其一种比较公认的 定义是从大型数据库的数据中提取人们感兴趣的知识．这些知识是隐含的、事先未知的潜在有 源极大丰富，人们对分析处理如此海量数据日渐力不从心的情况下提出的．是数据库技术、 人工智能、机器学习、统计分析、模糊逻辑、人工神经网络等多个学科交叉融合的产物，其 Data 目的是知识的自动提取。而作为DM的一个新的研究分支的空间数据挖掘(Spatial Mining，SDM)，也称做从空间数据库中发现知识，则被认为是从空间数据库中抽取未显式存 储的、为人们感兴趣的空间模式和特征、空间、非空问数据之间的概要关系和以及其它概要 数据特征(w．Lu等，1993)。 SDM和～般的DM、传统地学分析方法区*0何在?我们认为，由于S1)M的对象主要是窀问 数据库，而空间数据库中不仅存储了空间对象的属性数据、几何属性，而且存储了空间对象 之间的空间关系(拓扑关系、度量关系、方位关系等等)，因此其存储结构、访问方式、数据 分析和操作都有别于常规的事务处理型数据库模式，由此为SDM带来新的研究方向与挑战。 sDM和传统地学数据分析方法的区别则在于它一般更追求在机理不明情况下对数据本身分析 上的规则、规律的发现和提取，挖掘出的知识必须符合大数据量的统计检验才可信。 相对于基于一般事务型数据库的数据挖掘研究而言，SDM方向产生较晚，比重较小．但 其发展十分迅速。本文将主要从SDM框架、sDM发现的知识类别为分类的多种挖掘方法角度， 对近年来sDM的研究进展和存在问题做一回顾与研讨。 1．SDM框架研究 SDM如何定义?它的理论技术基础是什么?它的作用对象是什么?它需完成和能够完成 什么样的任务?如何实现它?以上问题属于对sDM框架体系的研究。我们将对此方面研究做 一回顾，在此基础上提出我们对sDM框架的概念性理解。 国内李德仁教授(1995)最早关注从GIS数据库中发现知识的问题，提出从GIs数据库可 以发现包括几何、空间关系、几何性质与属性之间的关系和面向对象的多种知识．井认为数 据挖掘同时可使GIS的有限数据变成无限的知识，用KDD可咀进行GIS的数据精练和数据更 新，使GIS成为智能化的信息系统。 邸凯昌等(1997)提出了空间数据挖掘和知识发现的理论技术框架，文章对可作为SDM的 State 理论框架之一的发现状态空间理论(Discovery SpaceTheory)作了介绍：指出s删 可发现包括普遍的几何知识、空间分布规律、空闻关联规则、空间聚类规则、空间特征规则、 空间区分规则、空间演变规则、面向对象的知识在内的多种知识：并对可采用的主要的挖掘 方法、空问知t}{发现系统的结构和开发方法等内容做了初步探讨。 模型(如图1)： 发 现