不均匀模糊空间对象的分层次co―location模式挖掘方法.docVIP

不均匀模糊空间对象的分层次co―location模式挖掘方法 　　摘 要：针对现有的co-location模式挖掘算法无法有效处理不均匀分布空间对象的问题，提出一种不均匀模糊空间对象的分层次co-location模式挖掘方法。首先提出一种不均匀数据集的生成方法； 然后对不均匀分布的数据集进行层次划分，使每个区域具有均匀的空间分布；再基于改进的PO_RI_PC算法对划分后的模糊对象进行空间数据挖掘。该方法基于距离变化系数构建每个子区域的邻域关系图，进而完成区域融合，实现co-location模式挖掘。实验结果表明，与传统方法相比，所提方法的执行效率更高，随实例个数和不均匀度的变化获得的co-location集个数更多，同比情况下平均提高约25%，获得了更精确的挖掘结果。 　　关键词：模糊对象；co-location模式挖掘；隶属度；不均匀度；距离变化系数 　　中图分类号：TP311 　　文献标志码：A 　　文章编号：1001-9081（2016）11-3113-05 　　0 引言 　　空间co-location模式是指一组空间对象的子集，其实例频繁地关联[1]。例如，鲜红斑痣通常与胎儿发育不良有关；植物学家们发现生石花有90%会长在岩床缝隙、石砾之中[2-4]。现实世界中，模糊对象无处不在，比如“红色的枣子”“高个子的人”“蓝色的天空”等，对模糊对象的空间co-location模式挖掘就是发现一系列在空间上频繁并置的模糊对象特征集[1]。 　　目前，许多学者对空间co-location模式挖掘进行了深入研究并提出大量算法。例如，针对确定数据，Shekhar等[2]提出一种用户指定的社区概念以及挖掘频繁模式的空间坐标模式；Huang等[3-4]根据无支持阈值的可信co-location规则挖掘方法，提出了最大参与度系数以及join_based算法，采用邻域和参与系数进行co-location模式挖掘；Yoo等[5-6]改进了join_based算法，分别提出partial_join算法[5]和join_less算法[6]，在不丢失co-location实例的同时有效降低了挖掘的时间代价。针对不确定数据，陆叶等[7]提出了不确定数据集上的Ujoin_based算法；Zheng等[8]研究了模糊对象的K最近邻（K-Nearest Neighbor， KNN）查找问题，提出了AKNN（Ad Hoc KNN）和RKNN（Range KNN）方法；Wang等[9]研究了从区间数据表示的不确定对象中挖掘co-location模式。针对模糊对象的研究也越来越多，欧阳志平等[10]改进了join_based算法，提出了关于模糊对象空间co-location模式挖掘的剪枝对象―减少实例间连接―优化剪枝步（PO_RI_PC）算法，后续又研究了实例位置模糊的空间co-location模式挖掘方法[10]；Qian等[11]研究了基于kNNG（k-Nearest Neighbor Graph）方法的区域co-location模式挖掘方法；温佛生等[12]提出了基于模糊对象的极大co-location挖掘算法等。 　　虽然空间co-location模式挖掘算法很多，但针对不均匀模糊对象的研究并不多见。而在许多涉及数据分类的应用中，如医疗诊断、文本分类、天气预报等，经常会遇到数据集分布不均匀的情况[13-15]。上述研究均未考虑不均匀分布模糊对象的空间频繁并置现象，将空间数据集看作是均匀的，如PO_RI_PC算法[1]等，利用单一的距离参数进行空间数据的挖掘。如图1所示，数据集大致均匀分布，使用一个恰当的距离参数即可挖掘出空间co-location模式[1]。 　　但在实际情况中，常出现如图2所示的不均匀分布点集，选择不同的距离参数会挖掘出不同的空间co-location模式。图2为选择距离参数1挖掘出的co-location模式，若使用距离参数2挖掘出的结果会更加准确。显然，不适当的距离参数会导致co-location模式的遗漏，进而使整个co-location模式的挖掘结果不准确。 　　为避免这种情况的出现，与针对均匀分布模糊对象的挖掘算法PO_RI_PC对比，本文提出一种分层次的空间数据模式挖掘方法，以实现对不均匀分布模糊对象的co-location模式挖掘。 　　1 相关问题及定义 　　本文对模糊对象的处理源于模糊集理论，将模糊逻辑引入数据挖掘分类系统，允许定义“模糊”域值或边界。模糊逻辑使用0.0和1.0之间的数值表示一个实例属于某个类别的可能性，而不是采用类或集合的精确判断[16]。模糊逻辑提供了在高抽象层处理的便利。 　　以下对模糊对象、邻域关系图、距离变化系数、区域量级、不均匀度以及距离参数进行定义。