时空数据挖掘综述.docVIP

第35卷第2期 2010年3月 测绘科学 Science of Surveying and M app ing Vol 135No 12 M ar 1 时空数据挖掘综述 赵彬彬 ①② , 李光强, 邓　敏 ①① (①中南大学测绘与国土信息工程系, 长沙　410083; ②长沙理工大学交通运输工程学院, 长沙　410076 【摘　要】本文系统阐述了数据挖掘、空间数据挖掘、时空数据挖掘的发展历程, 接着介绍了数据挖掘的相关概 念, 给出空间数据挖掘和传统知识发现的异同; 然后对空间数据挖掘的基本方法与技术进行综述, 在总结当前研究成果的基础上, 阐述了空间、时空数据挖掘面临的难题; 最后探讨了时空数据挖掘的发展方向和研究热点。【关键词】数据挖掘; 空间数据挖掘; 时空数据挖掘【中图分类号】TP391　　　　【文献标识码】A 　　　　【文章编号】100922307(2010 0220062205 1　引言 空间数据挖掘(Spatial Data M ining and Knowledge D is 2covery, 简称S DMK D 或S DM 指在空间数据库中, 综合利用统计学方法、模式识别技术、人工智能方法、神经网络技术等理论, 析取新颖的、可信的、人们感兴趣的和最终可理解的知识, 从而揭示出蕴含在数据中的规律、内在联系和发展趋势[1-3]。空间数据挖掘是按照一定的度量值从空间数据库中抽取空间知识, 以及相关的预处理、抽样和数据变换的人机交互过程。 通常, S DM 所挖掘的空间知识主要包括空间关联规则空间分布特征、空间分类、空间聚类[1]模式, 、2　空间数据挖掘与数据挖掘和知识发现 1989年8月举行的第一届K DD 国际学术会议, 从数据库中的知识发现K DD (Knowledge D iscovery in Database 在该次会议上被首次提出[4], 到目前为止, K DD 国际研讨会的研究重点逐渐从发现方法转向系统应用, 注重多种发现策略和技术的集成, 以及多学科间的相互渗透。在K DD96国际会议上, Fayyad 、Piatetsky 2Shap ir o 和S myth 将DM 和K DD 定义为:K DD 是指从数据库中发现知识的全部过程, [5] Data M ining 则是全部过程中的一个特定步骤, 通常二者没有明确界线, K DD 和DM 均指从数据中挖掘知识的过程。 近年来, 国内的许多科研单位和高等院校竞相开展数据挖掘的研究工作[7], 卢启程、邹平[8]从广义上将数据挖掘定义为在一些事实或观察的集合中寻找模式的决策支持过程, 数据挖掘的对象不仅限于数据库, 也可以是文件系统或其他任何数据集合, 这样拓宽了数据挖掘的范围和应用领域。 S DM 是数据挖掘和知识发现(Data M ining and Knowl 2edge D iscovery, DM K D 或简称为DM 的分支学科, 二者不 同之处有:①数据源不同, S DM 的对象是空间数据库或空间数据仓库, 而DM 的数据源是常规的事务型数据库; ②数据维数不同, S DM 比DM 的状态空间增加了尺度维(Scale ; ③挖掘出的知识表现形式不同, DM 挖掘出的知识是事务型常规知识, 一般使用简单的概念、判断、规则等形式加以表达, 而S DM 挖掘出的知识都是与空间位置、分布等相关的知识, 空间知识表达比常规知识更复杂[9]。尽管二者存在许多不同, 但是S DM , 通, 。 S 。DM , 析, 进而产生新的信息或专题图。但是S DM 在挖掘过程中, 有时会使用地学分析工具对数据进行预处理, 或者进行机器学习, 从中探测出相关参数, 进而用于挖掘过程。 3　空间数据挖掘的理论、方法和技术 数据挖掘涉及多个学科, 需要综合使用多种技术, 才能挖掘出令用户满意的结果。具体来说, 数据挖掘方法可以分为以下几类:311　传统数据挖掘方法[9, 10] 1 统计学方法 统计学方法通过回归分析、时间序列、判别分析和因子分析等统计分析方法, 可以从抽样分析中提取未知的数学模型。其中, 多元统计学方法是数据挖掘应用的重要方法之一[1]。 2 关联规则挖掘 挖掘关联规则就是发现存在于大数据集中的关联性或相关性知识的过程, 用于产生关联规则的方法有很多, 其中以AGRAWAL [11]等在1993年提出的Ap ri ori 方法最具影响力。 3 决策树方法 用树枝状展现训练集数据中各变量的影响情形的预测模型, 根据对目标变量产生的效用, 而建构分类的规则, 在问题维数高的领域可以得到很好的分类结果。常用方法主要有CART (Classificati on and Regressi on Trees 及CHA I D [12] (Chi 2Squ