基于GIS空间数据挖掘研究.docVIP

基于GIS空间数据挖掘研究 　　摘要：指出了随着地理空间信息化的发展，通过空间数据获取空间知识越来越重要且极具现实意义，空间数据挖掘已然成为具有广阔前景的研究领域。主要概括了空间数据挖掘的研究现状、空间数据挖掘方法及其进展，进而探讨了空间数据挖掘的发展趋势。 　　关键词：空间数据挖掘；空间数据挖掘方法；GIS 　　中图分类号：TP311文献标识码：A文章编号2015 　　1引言 　　随着计算机学与数据采集、处理技术迅速发展，使得人们从现实世界中获取、存储和处理数据的能力得到大大提高，获得越来越丰富的数据资源1。从空间数据中挖掘知识，提取空间数据中不明确的和隐含的知识显得越来越重要2。如何从纷繁复杂的空间数据中提取信息和把数据转化为知识，成为国内外重点研究领域。空间数据挖掘（Spatial Data Mining，SDM）是一种知识决策技术，是建立在空间数据的基础上，结合多门学科的理论技术，从海量空间数据中挖掘不明显的、隐藏的新知识，揭示客观世界的规律、内在联系及其发展趋势的空间决策支持系统。 　　2研究现状 　　由于空间数据挖掘在处理空间数据上具有重要意义，早在20世纪90年代初美国韩家炜就对空间数据挖掘进行了研究，提出了联机分析挖掘思想，并在MapInfo软件平台上开发空间数据挖掘原型系统1。Walter于2008年提出了建立在栅格算法基础上的矢量数据库自动解译3。Donato利用归纳逻辑技术的方法提取了空间人口调查数据的关联规则4。国内对空间数据挖掘的研究起步稍晚，在1994年李德仁教授提出了从GIS数据库中发现知识，并对空间知识发现的特点和方法进行了系统的分析5。董春、张清浦等人提出了基于地理数据库进行空间数据挖掘的构想6。陈江平、傅仲良等人提出一种建立在空间分析基础上的空间关联规则挖掘算法7。 　　空间数据挖掘的研究目前还处于起步阶段，国内外对空间数据挖掘的研究虽然取得了丰富的成果，但是尚属实验室阶段，许多挖掘算法尚不够成熟完善，实用性不强。一方面需要完善空间数据挖掘理论基础与框架结构，另一方面完善已有算法，并不断创新算法，提高算法的精度与效率，加强应用性研究；除此之外相关的空间软件系统的开发也有待进一步加快，以跟上空间数据更新速度。 　　3空间数据挖掘方法 　　由于空间数据挖掘是计算机、数据库应用和管理决策支持等技术发展到一定阶段时，由数据库、模式识别、统计学、人工智能和管理信息系统多学科交叉的新兴学科8，因而空间数据挖掘方法较为丰富，但针对地理空间数据库，其方法可总结为以下4种。 　　3.1空间分析算法 　　空间分析作为地理信息系统区别于一般计算机系统的主要标志，也是支持其强大功能的关键技术。借助GIS系统强大的空间分析功能模块，可以发现客观事物在地理空间上的相邻、相连和共生等关联关系、找出客观事物之间的最优路径、最短路径和最佳位置。空间分析通常作为处理空间数据和提取空间数据特征的方法，进而发现空间数据库知识。 　　3.2空间聚类算法 　　聚类是按一定的规则将数据分成若干个相互区别的组，发现数据的分布特征，使得每组中的数据具有高相似，而不同组之间的数据尽可能不同。目前空间聚类算法较为丰富，但主要有划分方法、层次的方法、基于密度的方法、基于网格的方法及基于模型的方法5大类。 　　但上述算法现实空间中尚存在着缺陷，如在地理空间中（山脉、河流、桥梁等）障碍物时，为提高聚类的准确性，需谨慎选择对聚类是进一步划分还是合并。 　　3.3空间关联规则算法 　　关联规则是由Agrawal等人通过对大型的事务型数据库的挖掘首次提出，而后Koperski等人将其扩展至空间数据库，进一步提出了挖掘强空间关联规则的算法，并给出了空间优化技术9。空间关联规则可表示为：AUB（c1%）、A∩B（c2%），其中A、B表示空间或非空间谓词的集合，c1%、c2%为规则的支持度和可信度，空间谓词有3种表示形式：空间方向的谓词、拓扑结构的谓词和距离的谓词。 　　3.4空间分类和预测 　　所谓空间分类指的是首先把数据库中每个对象归为某一给定的类，从而将所有数据归类。预测是根据数据内在规律，根据空间维发现空间对象的变化趋势。 　　除此之外，空间统计学、神经网络、证据理论、模糊集、粗糙集和遗传算法等都属于数据挖掘方法，以上在对空间数据进行挖掘时，并不是孤立的，只有将各种方法加以综合运用，方能科学有效地发现空间知识。 　　4空间数据挖掘发展趋势 　　近些年来，虽然空间数据挖掘技术发展迅速，并取得了一定的成果，但许多的理论与方法仍需进行深入研究。未来空间数据挖掘应把基于空间不确定性的数据挖掘、多源空间数据的数据挖掘、一体化栅格矢量数据挖掘、空间查询语言数据挖掘、遥感图像及其网络空