空关联规则挖掘.pptVIP

RFCM定义 给定 谓词的集合：F={f1, f2, ..., fn} ，包括非空间属性和空间谓词 空间对象集S ，是目标要素类和相关要素类的实例的集合 每个实例在S中只有一个元组 空间关联规则 P1, …, Pm, Q1, …, Qn∈F是谓词，其中至少有一个是空间谓词 谓词集的支持度s σ(P/S)，P=P1^…^ Pm，S中满足P的对象的概率 规则的置信度c φ(P→Q/S) = σ(P^Q/S) / σ(P/S) ，S中满足P的对象满足Q的概率 1个谓词称为1-谓词；k个谓词的合取称为k-谓词 k-谓词集P在S中是大的(large，即频繁的)，如果σ(P/S)大于最小支持度σk 规则P→Q/S的置信度在k阶是高的(high)，如果大于最小置信度φk 规则P→Q/S是强的(strong)，如果谓词集P^Q大并且P→Q/S的置信度高 RFCM挖掘方法 基本策略 空间谓词组织成一个粒度由粗到细的层次结构 先计算粗粒度的空间谓词，发现较高概念层次的模式与关联规则 然后自顶向下细化空间谓词，逐步发现较低概念层次的关联规则 步骤 计算各个目标空间对象与相关空间对象的空间谓词，将空间谓词组织为一个事务数据库，同一个目标对象的所有谓词构成一个事务 在谓词事务数据库中进行单层布尔型关联规则挖掘 空间谓词的提取：空间连接(spatial join) 目标要素类T，实例t ，相关要素集合W，相