空间数据挖掘的方法进展和其问题分析.pdfVIP

中国地理信息系统协会GIS理论与方法专业委员会2007年学术研讨会 暨第2届地理元胞自动机和应用研讨会论文集 空间数据挖掘的方法进展及其问题分析水 胡圣武关中美 (河南理工大学测绘学院，河南焦作，454000) 摘要：随着空间信息技术的发展，人们得到的空间数据日益丰富，但有处于“数据丰富、知识贫乏”现 象，因此空间数据挖掘就非常重要。本文主要就空间数据挖掘方法和空间数据挖掘存在的问题这两方面进 行了研究。研究了每种空间数据挖掘方法的特点和使用范围，指出了目前空间数据挖掘方法的局限性；就 目前空间数据挖掘存在的问题进行了深入的研究，得出了空间数据挖掘还不完善，还需要大力研究。 关键词：空间数据挖掘；方法；问题；分析 由于近年来空间信息技术领域内对地观测技术，特别是遥感技术和测绘技术，数据库 技术、网络技术的快速发展以及观测台站建设的普及和不断完善，包括资源、环境、灾害 等在内的各种空间数据指数级数增长，获得的空间数据越来越多。 由于技术和方法的多种因素的影响，出现所谓“数据丰富，知识贫乏”的现象，即人 类拥有大量的空间数据，但感觉到空间数据的缺乏。如何从大量的空间数据中发现人类所 要的知识，就显得非常重要，这就是空间数据挖掘，是目前研究的一个热点和难点。本文 就目前空间数据挖掘的研究概况进行总结并就空间数据挖掘存在的问题进行研究。 1空间数据挖掘定义 空间数据挖掘与一般数据挖掘既有联系又有区别。对于数据挖掘(Data Mining，简称 for DM)与从数据库中发现知识(DiscoverySpatialDatabase，简称KDD)这两个概念，经 常让人混淆。有些学者将DM是作为KDD的一个核心环节。认为KDD过程除了包括数据挖掘外 还包括数据准备和发现结果解释评估等诸多环节。有的人则认为二者本质是相同的，DM只 是经常用于统计、数据分析和信息系统等工程领域，而KDD多用于人工智能和机器学习等领 域。还有 人则认为二者是难以分离的，应作为一个整体使用，即数据挖掘和知识发现(DMKD)才较为 适宜。但术语“数据挖掘”比“在数据库中发现知识”和“数据挖掘和知识发现”形式更 简洁，因此广为流行。 Data 空间数据挖掘(SpatialMining，简称SDM)，或称从空间数据库中进行知识发现 from (KnowledgeDiscoverySpatial Database)，定义为：在空间数据库和数据仓库的基 础上，综合利用统计学方法、模式识别技术、人工智能方法、神经网络技术、粗集、模糊 数学、机器学习、专家系统、可视化技术和其他相关的信息技术作为手段，从大量的空间 数据、管理数据、经营数据或遥感数据中析取出可信的、新颖的、感兴趣的、隐藏的、事 先未知的、潜在有用的和最终可理解的知识，从而揭示出蕴含在空间数据背后客观世界的 ● 项目来源：国家自然科学基金 476 中国地理信息系统协会GIS理论与方法专业委员会2007年学术研讨会 暨第2届地理元胞自动机和应用研讨会论文集 本质规律、内在联系和发展趋势，实现知识的自动或半自动获取，为管理和经营决策提供 依据‘¨。 2空间数据挖掘研究现状概括 自1989年第十一届人工智能国际联合会议首次提出数据挖掘的概念，国外各类组织在 数据挖掘领域展开了大量的研究工作。迄今为止，对关系数据库和事务数据库中数据挖掘 的研究已经取得了不少进展【2】，代表性的工作有：用面向属性的归纳方法在关系数据库中 发现特征规则和区分规则【3l，在事务数据库中发现关联规则【41，从大型数据库中发现多层次 关联规则【5J，基于多层关联进行分类【6】，基于距离的和基于密度的聚类分析的优化[71等。许 多著名的数据库和数据仓库供应商、统计分析软件开发商、相关的人员和研究所等纷纷投 入研究和开发力量，相继开发出一些数据挖掘商用系统和原型系统【8】。 空间数据挖掘的研究比起一般的数据挖掘要晚，但近几年