空间数据挖掘PPT2.pptVIP

空间数据挖掘;空间挖掘技术概述;第八章空间挖掘

内容提要;非空间概念层：非空间属性所联系的非空间数据对应的概念层次。

它是空间统计学向着实用的挖掘技术开展的另一个研究课题。

空间数据库中可以定义两种类型的概念层次：

包含于：A包含于B，表示A的所有点都在B里。

相同的地理区域经常有不同的视图：一个区域不同的视图〔如根底设施、城市规划、绿化等〕保存在单独的GIS文件中，融合这些数据，通常需要一个称为“地图覆盖〞〔MapOverlay〕的操作来实现。

图像数据库的挖掘可以看成是空间数据挖掘的一局部，其主要问题在于如何区分图像。

表示空间方向的谓词，如东、西、左、右等；

寻找感兴趣实体的查询q；

空间统计学是根本的数据挖掘技术，特别是多元统计分析〔如判别分析、主成分分析、因子分析、相关分析、多元回归分析等〕。

通常更多地用复杂的近似多边形表示，而非指用简单的MBR。

层次的最小支持度和可信度s和α；

算法首先对非空间属性作面向属性的归纳，将其泛化至更高的概念层次。

空间数据挖掘与相关学科的关系

空间数据的蕴含着丰富的概念

空间数据挖掘根底，空间统计学;空间数据的复杂性特征;空间查询问题;空间数据结构;最小包围矩形;空间索引技术;网格文件;四叉树;Ｒ-树;k-D树;第八章空间挖掘

内容提要;空间数据库的操作是数据挖掘的根底;实体之间的距离的定义;空间统计学;第八章空间挖掘

内容提要;Ｒ-树必须满足如下特性：

寻找感兴趣实体的查询q；

空间统计学〔SpatialStatistics〕是依靠有序的模型来描述无序事件，根据不确定性和有限的信息来分析、评价和预测空间数据。

目前，在空间数据挖掘系统的开发方面，国际上有代表性的通用SDM系统有：GeoMiner，Descartes和ArcViewGIS的S-PLUS接口。

空间数据挖掘根底，空间统计学

4．模糊空间关联规则的挖掘

空间数据挖掘根底，空间统计学

第八章空间挖掘

内容提要

空间数据挖掘根底，空间统计学

最小值方法：定义实体A和B的距离为A中的所有点与和B中的所有点之间的欧??或曼哈顿距离中最小的，即

基于内容的时空查询CONQUEST

最低层是代表每个最小单元的叶子结点。

在空间数据库中许多空间数据通常是相关的，即空间对象受其邻近对象的影响，难以满足这种假设，这样就会引起问题。

建造一个决策树，有五个主要步骤：

所有这些规则都可以被看作是对空间类型的描述，而描述是一种为数据库或者其中一些子集找到一个表示的方法。;逐步求精的分层技术;泛化;空间数据支配泛化算法;非空间数据支配泛化算法;统计信息网格方法STING介绍;第八章空间挖掘

内容提要;空间规则的主要类型;空间关联规则;空间关联规则根本步骤;应采用类似SQL的语法以适应在高级语言的水平上进行数据挖掘并与关系查询语言SQL保持自然的融合。

整个数据空间被所有的边界划分成许多ｋ维的矩形子空间，这些矩形子空间称为网格目录，用ｋ维的数组表示，将其保存在硬盘上。

非空间数据支配泛化算法

第八章空间挖掘

内容提要

聚合邻近距离可以由聚类中所有点的距离总和来度量。

〔2〕根据H的结构，把数据合并到区域中，直到区域的数目到达所需的阈值，或者已经到达H中所要求的层次；

聚合邻近距离可以由聚类中所有点的距离总和来度量。

目标是选择一个能产生对测试集中的类型进行最不同的缓冲区。

〔3〕找到最正确的缓冲区大小和形状；

空间数据挖掘原型系统介绍

〔3〕找到最正确的缓冲区大小和形状；

每个实体由空间中的点的集合组成：xa,ya∈A,xb,yb∈B。

n维空间的空间实体集合可看作是一个信号。

例如，“查找北海公园附近的房子〞。

还可以通过一系列更小的矩形来表现这个湖〔右图所示〕;空间分类方法;空间决策树;第八章空间挖掘

内容提要;空间聚类;基于随机搜索的聚类方法CLARANS扩展;DBCLASD算法;BANG算法;小波聚类;使用近似值来确定聚类的特性;第八章空间挖掘

内容提要;空间挖掘的其他问题;空间挖掘的其他问题;空间挖掘的其他问题;空间挖掘的其他问题;第八章空间挖掘

内容提要;空间数据挖掘原型系统介绍;空间数据挖掘原型系统介绍;空间数据挖掘原