第04章 空间数据挖掘与GIS的集成.pptxVIP

2017年3月30日星期四 1 第四章 空间知识与GIS的集成  SK与GIS集成的意义 空间数据挖掘基础 空间数据泛化在GIS中的应用 空间规则与GIS的集成 空间分类、聚类方法 空间挖掘的其他问题 空间数据挖掘原型系统介绍 其他 空间挖掘技术概述 日益发展的空间数据基础设施为空间数据的自动化处理提出了新的课题。 空间数据库，不同于关系数据库，它一般具有空间拓扑或距离信息，通常需要以复杂的多维空间索引结构组织。 空间挖掘（Spatial Mining）或被称作空间数据挖掘/空间数据库的知识发现，是数据挖掘技术在空间数据方面的应用。简言之，空间数据挖掘，就是从空间数据库中抽取隐含的知识、空间关系或非显式地存储在空间数据库中的其他模式，用于理解空间数据、发现数据间（空间或非空间）的关系。 由于空间数据的复杂性及其应用的专业性，在一般的数据挖掘的基本概念的基础上，需要研究空间数据挖掘特有的理论、方法和应用。 2017年3月30日星期四 2 2017年3月30日星期四 3 第四章 空间知识与GIS的集成  内容提要 SK与GIS集成的意义 空间数据挖掘基础 空间数据泛化在GIS中的应用 空间规则与GIS的集成 空间分类、聚类方法 空间挖掘的其他问题 空间数据挖掘原型系统介绍 其他 空间数据库的操作是数据挖掘的基础 两个空间实体之间存在若干拓扑关系。这些关系基于两个实体的位置： 分离（Disjoint） ：A与B分离，表示B中任何点都不在A中，反之亦然。 重叠/相交： A与B重叠或相交表示至少有一个点既在A里也在B里。 等价： A与B这两个实体的所有点都是共有的。 包含于： A包含于B，表示A的所有点都在B里。反之不一定。 覆盖/包含： A覆盖或包含B，当且仅当B包含于A。 根据实体在空间中的位置，可以定义方向，通常采用的是传统的地图方向：像东、南、西、北等等。 空间谓词有三种形式： 表示拓扑关系的谓词，如相交、覆盖等； 表示空间方向的谓词，如东、西、左、右等； 表示距离的谓词，如接近、远离等。 2017年3月30日星期四 4 实体之间的距离的定义 常用的两个空间实体之间的距离有： 最小值方法：定义实体A和B的距离为A中的所有点与和B中的所有点之间的欧氏或曼哈顿距离中最小的，即 最大值方法：定义实体A和B的距离为A中的所有点与和B中的所有点之间的欧氏或曼哈顿距离中最大的，即 平均值方法：定义实体A和B的距离为A中的所有点与和B中的所有点之间的欧氏或曼哈顿距离的平均值，即 中心方法：定义实体A和B的距离为A中的中心点与和B中的中心点之间的欧氏或曼哈顿距离的平均值，即 2017年3月30日星期四 5 空间统计学 空间统计学（Spatial Statistics）是依靠有序的模型来描述无序事件，根据不确定性和有限的信息来分析、评价和预测空间数据。 空间统计学是基本的数据挖掘技术，特别是多元统计分析（如判别分析、主成分分析、因子分析、相关分析、多元回归分析等）。 在空间数据库中许多空间数据通常是相关的，即空间对象受其邻近对象的影响，它是空间统计学向着实用的挖掘技术发展的一个重要研究课题。 数理统计方法对非线性规划不能很好建模，难以处理不完全或不确定性数据，而且运算的代价较高。它是空间统计学向着实用的挖掘技术发展的另一个研究课题。 2017年3月30日星期四 6 2017年3月30日星期四 7 第四章 空间知识与GIS的集成  内容提要 SK与GIS集成的意义 空间数据挖掘基础 空间数据泛化在GIS中的应用 空间规则与GIS的集成 空间分类、聚类方法 空间挖掘的其他问题 空间数据挖掘原型系统介绍 其他 空间数据的蕴含着丰富的概念 概念层次的使用显示了数据间关系的层次。应用空间数据特性，概念层次承认了层级中不同层次规则和关系的发展。 从空间数据中挖掘所蕴含的概念是空间挖掘的重要任务之一。 泛化与特化是概念归纳的主要手段，它对空间数据挖掘也是如此。 2017年3月30日星期四 8 逐步求精的分层技术 逐步求精（Progressive Refinement）的分层是基于空间关系的，因此空间关系可以应用在一个更粗糙或者更精细的层次上。 由于空间应用的数据量十分庞大，在寻求更多精确响应之前要先做出一些近似响应。MBR就是一个近似物体形状的办法。四叉树、R-树和其他大多数空间索引技术都采用了一种逐步求精的方式。 逐步求精可以看作是对处理问题无用的数据所做的过滤。 2017年3月30日星期四 9 泛化 数据库中的数据和对象在原始的概念层次包含有详细的信息，经常需要将大量数据的集合进行概括并以较高的概念层次展示，即对数据进行泛化。 基于泛化