空间数据挖掘中不确定性.docVIP

空间数据挖掘中的不确定性 　　摘要：本文从空间数据的采集、录入、编辑、处理的过程和数据挖掘的技术层面上阐述了空间数据挖掘的不确定性，并对这种不确定性的现状进行了简单分析。 　　关键词：不确定性；空间数据；数据挖掘 　　中图分类号：TP311 文献标识码：A 　　 　　近年来，空间数据挖掘与知识发现（Spatial Data Mining Knowledge Discovery from Spatial Databases/Repositories，SDMKDD） 已成为空间信息技术的一个重要研究领域，并已取得许多可喜的成果。目前它的研究热点包括：面向海量空间数据的挖掘算法、遥感影像数据的挖掘，以及分布式（网络） 空间数据挖掘等。然而，其中的另一个重要问题：空间数据挖掘过程及其结果的不确定性还没有引起广泛而足够的重视，相关的报道也很少。事实上，不但空间与非空间数据本身具有不确定性，在空间数据挖掘与知识发现处理的过程中也会带来一系列的不确定性，并且会不断传播和积累，从而可能导致被挖掘出来的信息、知识含有一定的误差、偏差甚至是毫无意义等。我们不能认定挖掘出来的知识都是有用的和确定性的。因此，研究空间数据挖掘和知识发现过程与结果的不确定性及其传播规律是十分必要的。 　　 　　1 空间数据的不确定性 　　 　　空间数据挖掘的不确定性的根源在于空间数据本身的不确定性。空间数据质量与不确定性是目前GIS 研究的重要基础理论之一。空间数据质量是指空间数据的渊源（lineage） 、精度（accuracy） 、完整性（completeness） 、逻辑一致性（logical consistency） 、语义精度（semantic accuracy） 、现势性（currency） 。由于难以对复杂的现实世界进行完美的表达，所以所有类型的空间数据都存在不同性质、不同程度的不确定性。本人认为空间数据的不确定性主要有两个主要类型。一方面，空间数据在测量中会产生误差。误差指观测值与其真值间的差异，具有统计意义。例如遥感影像数据，由于不同物体存在着光谱重叠，或者有混合现象，将使图象出现同物异谱或同谱异物特征，从而产生多解性。再加上在数据整理、综合过程中存在着模型和加工技术方法的不确切和局限性，又可能使这种偏差扩大，甚至给出谬误的结果，或者给决策带来失误。另一方面，空间数据的不确定性源于自然现象自身存在的不稳定性和人类对其认识的不完备性。例如，在空间关系表述“天津在北京附近”中，“附近”是一个语义上定性的模糊的概念，在不同的语义或上下文中具有不确定的定量含义；又如，在表达“这起交通事故发生在京沪高速公路上”中，交通事故发生的“点位置”在公路这条“线”上，但是具体在该线形的什么位置是不确定的；再如，随着比例尺的变化，某一地理对象在GIS中的表示也跟着变化，城市在国家地图中使用点表示，但在城市地图中就变成了面状图形。 　　对空间数据的采集、解译、录入、编辑、处理和表达都会带来不确定性，而且前一阶段的不确定性又会传播给后一阶段，从而导致相当数量的不确定性积累与传播。对空间数据的不确定性的传播的研究具有重大的意义，因为不确定性的传播会不断地放大，从而导致数据挖掘的结果不准确甚至不可用。空间数据不确定性传播问题可以用式（1） 描述： 　　Y （x） = Opt （D 1 （x） ，……，D m （x） ）（1） 　　其中Y （ ） 为GIS的分析结果；Opt（x）为m个空间数据集Di（x）上的操作。空间不确定性传播分析的原理是给定空间操作Opt（）和输入不确定性数据集Di（x），观察分析结果Y（x）的不确定性。当空间分析Opt（）是一个线性函数时，空间不确定性传播度量相对容易，按传统的误差传播定律即可。但绝大多数情况下，Opt（）不是连续、可导，或者由误差传播定律引起的近似误差是不可接受的，因此不能直接用解析方法。Monte Carlo 模拟法可以在任意精度水平下产生Y （x） 的分布，所以它是度量空间数据不确定性传播的更实用的方法。其基本算法过程如下： 　　（1） 确定每个待输入空间数据集D i （x） 的不确定性类型； 　　（2） 依空间数据集D i （x） 分布的随机采样来代替原输入空间数据； 　　（3） 应用空间分析； 　　（4） 对每一次实现，存储其结果Y （x）； 　　（5） 计算所有结果的统计特征。 　　 　　2 空间数据挖掘中的不确定性 　　 　　除了空间数据的不确定性，数据挖掘的过程本身也会造成不确定性。空间数据挖掘过程可分为4个阶段：数据选择、数据预处理、数据挖掘、模式评价与知识表示。同样，在空间数据挖掘的过程中也存在相当数量的不确定性积累和传播，而且有时比空间数据本身的不确定性更为复杂。 　　空间数