基于Gestalt识别原则挖掘空间分布模式.pdfVIP

基于Gestalt识别原则挖掘空间分布模式1 艾廷华 郭仁忠 武汉大学，资源与环 境科学学院 深圳市国土资源与房产管理局 地理信息教育部重点实验室（武汉大学） 深圳市，振兴路 3 号 摘要 面向空间群目标的分布模式识别，是空间数据挖掘受关注的问题。本研究基于空间认 知原理与视觉识别Gestalt 完形原则并结合空间聚类方法对该问题进行了研究，提出了用于描 述实体间差异的“视觉距离”概念，其定义综合考虑了视觉识别中的位置、方向、大小差 异，通过Delaunay 三角网计算几何构造建立了该距离计算的模型。在实验基础上提出了基于 最小支撑树 MST 的聚类方法，获得了与视觉认知相一致的结果。本文的研究试图表明一个 观念，即 通用性的数据处理模型在 GIS 实际应用时，需要根据 GIS 作为“空间认知”科学 的原理，作技术方法上的改进，需要考虑认知主体在感知、辨析、识别、推理不同思维过程 中的认知心理原则。 关键词 空间认知，Gestalt 原则, 空间数据挖掘，空间聚类，Delaunay 三角网 1． 引论 与信息技术、计算机科学密切相关的地理信息科学， 其研究的前沿热点问题在一定程度上与计算机 科学保持同步。计算机科学研究领域提出的热点问题，在 GIS 研究领域很快被冠上“地理”“空间”的 前缀后作为平行的热点问题，如科学计算可视化在 GIS 领域对应为地理信息的可视化，数据挖掘在 GIS 领域对应为空间数据挖掘，分布式并行处理的网格计算，在 GIS 领域成为面向空间数据的地理网格计 算。从这些问题研究的内涵与外延看，给人一种感觉似乎 GIS 仅仅是计算机科学的应用分支。以空间数 据挖掘为例，旨在从大量数据表征上提取、导出蕴藏在其后的关于事物现象的机理、特征、规律的这门 分析技术，在计算机科学领域产生后，很快被引入到 GIS 领域，并逐步与过去的计量地理、空间分析、 地图分析融为一体，在数据挖掘研究中应用的各种数学模型、方法几乎均可以借用到 GIS 的针对空间定 位数据的加工处理中，如基于多元统计方法的空间关联规则提取、空间聚类分析、空间语义类型识别是 目前空间数据挖掘研究的主要内容（Han and Kamber, 2000 ） GIS 的发展实现了从”地理信息系统”到”地理信息科学”认识的转变（GoodChild 1992 ），已表明 GIS 不是计算机技术的一个简单的应用分支，它所面向的具有空间定位特征的数据对象，其加工处理应 当有其独特性，通用性的计算处理方法一旦结合空间定位特征，某些就要作深层次的改进，而不是简单 的具体应用，这种改进应当是GIS 研究人员需独立完成的工作，同时也是显示 GIS 学术地位的工作。 从何处来寻找 GIS 数据处理在空间定位特征上体现的独特性？答案要从 GIS 研究面临的核心科学问 题中寻找。GIS 是研究 “空间认知”的，即研究地理实体世界在人们大脑中如何建立空间概念，如何在 表达空间中描述地理事物与现象，如何在心像地图中通过认知推理解释空间现象、提取空间规律 ( 高 俊，2004 ) 。GIS 在某种意义上属于认知科学的范畴，美国 NCGIA 等研究机构已将空间认知作为 GIS 研 究的核心理论问题提出来了。 一旦从空间认知角度讨论 GIS 功能与技术方法 （包括空间数据挖掘），就需要考虑认知主体的特 征，而不能仅仅局限于数据客体本身。人在识别、辨析、发掘地理信息的过程中，受认知能力、认知环 境、知识背景的影响，获取的信息以及对信息的诠释会有较大的差别。从认知心理学原理，人们在对空 间认知中，会不自觉的受一些共性的认知原则控制，这使得我们在研究设计 GIS 分析模型、算法时，不 仅要考虑数据本身的特性，同时还要考虑其在后继应用过程中认知主体的特征（Li, Yan and Ai 2004, Ai, Guo and Liu 2000 ）。目前在研究界比较热门的基于本体论的 GIS 研究，就在于试图将本体存在与被认 知两个过程区分开，剥离认知过程建立本体地理信息概念，仅仅考虑地理实体本身，带有较多共性，然 后与不同领域的认知过程结合，达到服务于多用户的目的。 1 项目资助：2005 年度“新世纪优秀人才支持计划”，项目号