复共线性空间数据回归模型挖掘算法及其实现-四川大学.PDF

( ) 2004 年 2 月 四川大学学报 自然科学版 Feb. 2004 第 41 卷第 1 期 Journal of Sichuan University (Natural Science Edition) Vol. 41 No. 1 文章编号 (2004) 复共线性空间数据回归模型挖掘算法及其实现 1 ,2 1 1 3 元昌安 , 唐常杰 , 谢方军 , 王锦 ( 1. 四川大学计算机学院 ,成都 610064 ;2. 广西师范学院信息技术系 ,南宁 530001 ; 3. 西华师范大学计算中心 ,四川 南充637002) ( ) ε 摘要 :对复共线性空间数据回归模型的挖掘算法进行了研究 ,主要贡献包括 : 1 提出了 复 共线性的概念 ; (2) 给出不满足不相关假设情况下的新算法 ; (3) 空间分析中将预测模型的挖掘 ( ) ε ( ε 和 GIS 等技术进行融合 ,进而促进空间统计学的更广泛应用 ; 4 给出 MCL 复共线性模 ) ( ) 型回归系数估计 算法. 5 在 SQL Server 2000 Analysis Services 平台上融合 GIS 技术实现了 新算法 ,作了实验验证和性能分析. 关键词 :复共线性 ;空间数据 ; 回归模型;数据挖掘算法 中图分类号: TP392 　　　文献标识码 :A 1 　引言 ( ) ( ) 　　数据挖掘 Data Mining 通常又称为数据库中知识发现 KDD ,是从大量的原始数据中挖掘出隐含 ( ) [1 ] ( ) 的、有用的、尚未发现的信息和知识 知识规则、限制等 . 地理信息系统 GIS 是能够有效地描述、采集、 处理、存储、管理、分析和应用地理空间信息的技术 ,其应用领域已扩展到航天、电信、电力、交通运输、商 业、市政基础设施管理、油气及其它矿产资源的勘测等诸多领域. 空间数据是 GIS 的血液 ,整个 GIS 围绕 空间数据采集、加工、存储、分析和表现而展开[2 ] . 空间数据挖掘是对空间数据库中非显示存在的知识、空 间关系或其他有意义模式的提取[3 ] . 利用空间数据挖掘可以加强对数据的理解、空间数据与非空间数据 间关系的发现、空间知识库的构造、空间数据库的重组和空间数据查询的优化[4 ] . 统计空间数据分析已经 是空间数据分析中常用的方法. 统计方法可以很好地处理数字型数据 ,并可以对空间现象提出现实模 型[3 ] . 统计空间数据分析在许多领域都有着较为成功的应用实例. 如对地震趋势的分析[5 ] ,肠道线虫感染 区域性分布的研究[6 ] ,铜矿床矿体空间分布的趋势面分析[7 ] ,鱼类资源变化的时空分析[8 ] , 降水资源空间 变化模拟方法的研究[9 ]等. 目前关于空间数据分析研究工作的重要缺陷在于, ( 1) 它基于 1 条不一定能在实践中被满足的假设 : 需要空间分布的数据满足统计不相关. (2) 在空间趋势分析研究中缺乏量化依据.