空间关联规则挖掘.pptVIP

RFCM示例－(1)目标 数据表：geo为几何字段 town(name, type, population, geo, ...) road(name, type, geo, ...) water(name, type, geo, ...) mine(name, type, geo, …) boundary(name, type, admin_region_l, admin_region_2, geo, ...) 挖掘British Columbia中大城市与其他附近的空间对象的关联规则 discover spatial association rules inside British_Columbia from road R, water W, mines M, boundary B in relevance to town T where g_close_to(T.geo, X.geo) and X in {R, W, M, B} and T.type = large and R.type in {divided_highway} and W.type in {sea, ocean, large_lake, large_river} and B.admin_region_l in B.C. and B.admin_region_2 in U.S.A. RFCM示例－(2)数据 空间数据 目标要素：town 相关要素： road, water, mines, boundary 概念层次关系 数据的概念层次关系 关系的概念层次关系 RFCM示例－(3)粗挖掘 (1) 数据检索 根据需要检索空间数据 (2) 近似空间关系计算：g_close_to 计算(large)town与其他四类地物的g_close_to关系 粗分辨率、快速计算 MBR、R*-tree或其他近似算法 得到空间谓词集 计算支持度 类Apriori算法：删除小于最小支持度阈值的项，如Mine 产生关联规则 不同概念层次的 RFCM示例－(4)精挖掘 精确计算：基于g_close_to结果表 精化空间关系，计算intersect, adjacent_to, close_to, inside等 k-谓词计算 类Apriori算法：依次计算k-谓词(k=1,…,n)及其支持度，删除小于阈值的 提取关联规则 RFCM示例－(5)多层次 提取其他概念层次的关联规则 在较低概念层次上，最小支持度和置信度阈值需要降低 第2层 第3层 提取关联规则 基于ILP的空间关联规则挖掘方法 归纳逻辑程序设计(Inductive logic programming, ILP) 由机器学习与逻辑程序设计相结合，利用背景知识学习一阶规则 给定 先验背景知识BK，空间数据库SDB 参照对象(reference object)集合S：目标对象集 相关对象集Rk，1≤k≤m，在其上定义空间层次结构 每个层次l的最小支持度minsup[l]和最小置信度minconf[l] 定义 SDB归结为归纳数据库DDB，记为D(S) 记录参照对象与相关对象的空间关系 基于一阶逻辑记录先验知识：空间层次，空间模式和关联规则的约束，领域知识 (Malerba 2001) IPL空间关联规则定义(1) spatial observation D(S)中的元组，ground fact，每个由相应的参照对象s∈S唯一标识 O[s|s]包含s的属性及其与ri的空间关系 O[ri |s]包含ri的属性及其与s’∈S的空间关系 与O[s]关联的唯一参照对象可用于定义支持度和置信度 形式：spatial relation(RefObj, TaskRelevantObj) is_a断言由BK导出 IPL空间关联规则定义(2) 原子与原子集 原子(atom)的集合A={a1, a2, …, al}，原子ai为变量或约束 表达空间特征的原子由D(S)定义，表达先验知识的原子由BK定义 指代参照对象的原子称为关键原子(key atom) 关键原子： is_a(X,large_town) 空间原子： close_to(X,Y)，intersects(X,Y)，adjacent_to(X,Y) 分类原子（知识）： is_a(X,road)，…，is_a(X,water)，is_a(X,sea) A中原子的合取称为原子集(atomsets) l层的模式语言L[l]由A中原子集形式化定义 模式 模式P由L[l]表达为一个量化合取式eqc(P) 模式P覆盖O[s]，如果epc(P)在O(s)?