基于概念分析的空间数据挖掘研究进展

空间数据挖掘的过程与空间概念形成和分析的过程密切相关.本文以空间数据中抽取出各层次、各粒度的概念为主线,以概念形成和分析的形式化理论--概念格和云模型为理论基础,总结了基于概念分析的空间数据挖掘方法及应用,包括概念格的空间关联规则挖掘方法及应用、概念格的概念聚类挖掘方法及应用、云模型的空间关联规则挖掘方法及应用、云模型的空间聚类/分类挖掘方法及应用等.概念格提供了一种形式化的概念描述和概念结构分析的理论和方法,云模型提供了一种综合处理模糊性、随机性以及二者之间关联性的不确定性理论和方法,利用概念格、云模型等形式化的理论和方法分析和描述空间数据挖掘过程中空间概念的形成、空间概念的结构关系、空间概念之间以及空间概念层次之间的不确定性是概念分析的空间数据挖掘研究的进一步的研究方向.     

空间数据挖掘的方法进展及其问题分析

采用归纳和总结的方法，研究了每种空间数据挖掘方法的特点和使用范围，指出了目前空间数据挖掘方法的局限性，就目前空间数据挖掘存在的问题进行了深入研究。认为空间数据挖掘是一个新兴的而富有前景的研究领域，目前只是取得了一定的初步成果，仍有大量的理论与方法需要深入研究。最后就空间数据挖掘的发展方向进行了研究和归纳。     

空间数据挖掘的区域循环经济决策支持框架设计

循环经济是实现可持续发展的重要保证。本文在区域可持续发展决策支持系统研究成果的基础上,结合空间数据挖掘技术,提出区域循环经济空间决策支持系统的框架设计。并介绍了空间数据挖掘在区域循环经济决策中的一些应用。     

GIS空间分析技术在地理数据处理中的应用研究

地理空间数据GIS的处理中,空间分析是其分析、模拟、预测和调控过程的基础理论和技术。空间分析大量时空模型的建立与应用是地学分析区域性或全球性地理问题的重要手段,是新的挑战和机遇。作者从空间分析的定义及空间分析的应用研究出发,认为现代地理学的应用离不开空间分析的支撑;另外空间分析日趋成为自然地理学深化研究、应用的重要技术途径。地学数据GIS的分析处理,须与有空间特征的时空模型、数据挖掘、可视化技术整合,以及关注多维信息空间要素关联性的多元应用。     

国内空间数据挖掘研究进展与技术体系探讨

基于空间数据具有的海量、非线性、尺度性等特点,分析了空间数据挖掘技术具有的复杂性、尺度性、综合性、空间性、可视化、多样性特征,并结合调研国内5年来空间数据挖掘研究进展,探讨分析了空间数据挖掘技术体系的组成内容。     

空间数据挖掘技术在土地定级估价中应用

介绍了空间数据挖掘技术和决策树算法。通过对其研究，将可视化空间数据挖掘技术应用于土地定级估价，并介绍了基于Visual C^＋＋ 6．0和ESRI公司的MapObiect 2．0组件技术设计和开发了一个可视化交互空间数据挖掘土地定级估价原型系统。系统采用决策树方法作为数据挖掘方法的基本算法，采用训练与学习相结合实现土地定级估价。阐述了基于决策树空间数据挖掘土地定级估价的系统模型，系统总体框架、主要模块、系统界面及系统实现定级估价的工作流程。该方法是对土地定级估价方法的一种新的探索，是对土地信息系统开发的一种新的尝试，也是土地信息系统智能化发展的一个方向。     

林业数据挖掘与可视化的应用分析

面对海量的林业空间与非空间数据,提取隐含的信息是"数字林业"急需解决的关键问题之一。数据挖掘和可视化是处理和分析海量空间数据的有力工具,利用它们可以有效地剖析隐藏在数据背后的信息与知识,为我林业规划与决策提供服务。本文将空间数据挖掘和可视化技术整合为一个有机的整体,集成两者的优势,阐述了可视化技术在空间数据挖掘研究中的意义。并讨论了空间数据可视化表达模式和可视化与空间数据挖掘的整合。针对林业资源数据的特点,提出在可视化表达空间数据的基础上对林业数据的多维信息进行综合分析。最后,开发了原型系统,初步实现了林业数据可视化挖掘。     

轨迹数据挖掘城市应用研究综述

轨迹数据作为泛在地理信息环境中社会遥感数据的主要表现形式之一,为从个体的视角研究群体的空间移动规律,提供了新的数据支撑和研究思路。特别是在当前的大数据背景下,通过轨迹数据发掘人类的移动规律和活动模式,进而探求蕴含的深层次知识,是解决城市问题的重要途径,轨迹数据挖掘也由此成为地理信息科学及相关学科的研究热点。本文首先阐述了人类移动规律研究常用的轨迹数据集及在该数据集上开展的相关研究和典型应用;然后从城市空间结构功能单元的识别及城市韵律分析、人类活动模式的发现与空间移动行为预测、智能交通的时间估算与异常探测、城市计算的其他4个方面,综述了轨迹数据挖掘在城市中的应用;最后,指出了轨迹数据挖掘面临的挑战和进一步的发展方向。     

IP网管数据挖掘系统的分析与设计

性能管理和故障管理是IP网络管理中两个重要的功能,也是传统网管的薄弱环节.结合IP网管中性能管理和故障管理的目的与任务,讨论了数据挖掘技术在IP网管系统的应用,提出了IP网管数据挖掘系统的设计方案.     

广州-佛山都市区城乡聚落时空演变

分析了广州 -佛山都市区城乡聚落时空演变的区域历史背景。利用地形图与卫星遥感影像数据 ,采用定性与定量相结合的数据挖掘方法 ,在空间信息技术的支持下 ,探讨了广州 -佛山都市区城乡聚落近一个世纪的时空演变规律 ;初步总结出聚落演变时空信息图谱的双核心、生命节律、跳跃 -填充 (Jum p- Fill)、TOD模式等特征 ,并进一步研究了其方向与应用前景。     

Web环境下地学数据共享用户行为模式分析

了解科学数据共享用户行为特征对实现高效、精准的数据共享服务具有重要的参考意义。本文基于国家地球系统科学数据共享平台网站服务器日志及服务记录数据,利用空间数据挖掘及Web使用挖掘技术,探索地球系统科学数据共享用户行为模式。在数据预处理阶段,完成用户识别、会话识别、位置识别,并对数据进行空间建模、空间数据库建库。在数据挖掘阶段,分别对用户产生的网页浏览数、会话数、数据集浏览数为对象进行空间“热点”分析,识别用户行为的地域差异。针对用户数据浏览和下载行为,采用FP-growth算法对用户——数据之间进行关联规则挖掘,发现用户对数据关注和使用的高频规律。分析结果表明：（1）该共享平台用户地在国内各省市均有分布,用户最多的3个省（市）分别为北京市、山东省、江苏省,该分布与国内高校学生分布相关程度不高,但与“211工程”高校学生的空间分布相关度较高;（2）空间“热点”分析表明,北京、天津及河北北部无论在网页浏览、数据浏览还是会话量上都是“热点”区域,但识别的“冷点”区域有较大不同,尤其是数据访问“冷点”分布较广,如南方沿海省份、河南省、山东省、四川省等;（3）关联规则挖掘发现多个数据浏览高频项目集以及关联规则。数据下载高频项与数据浏览高频模式较好吻合,但下载行为未表现出明显关联规则。本文提供了一种结合Web使用挖掘和空间数据挖掘的用户行为模式挖掘方法,该方法也可用于其他类型网站的数据挖掘。     

A new method based on association rules mining and geo-filter for mining spatial association knowledge

Association rule mining methods, as a set of important data mining tools, could be used for mining spatial association rules of spatial data. However, applications of these methods are limited for mining results containing large number of redundant rules. In this paper, a new method named Geo-Filtered Association Rules Mining(GFARM) is proposed to effectively eliminate the redundant rules. An application of GFARM is performed as a case study in which association rules are discovered between building land distribution and potential driving factors in Wuhan, China from 1995 to 2015. Ten sets of regular sampling grids with different sizes are used for detecting the influence of multi-scales on GFARM. Results show that the proposed method can filter 50%–70% of redundant rules. GFARM is also successful in discovering spatial association pattern between building land distribution and driving factors.     

可视化空间聚类挖掘算法及系统实现

空间聚类与传统聚类方法的区别之一在于空间聚类是对空间实体的集群性进行分析,在聚类过程中需考虑模式在空间分布上的一种或几种结构特征,如模式间的远近关系、拓扑关系、方位关系、疏密关系等。然而,传统聚类算法大多忽略空间结构特征对聚类结果的影响。同时,传统数据挖掘过程往往是“黑箱”作业,用户不论感兴趣与否都只能被动地接受挖掘结果,而且结果往往是抽象的、不易理解的。本文对基于MST的可视化空间数据聚类挖掘算法进行了研究,利用Delaunav三角网和MST最小生成树使得地理实体的邻接度与其他属性数据一起参与了空间聚类处理,同时用J2EE技术开发可视化空间聚类挖掘工具,为此类应用系统的建立提供了一种实用的可行方案。     

基于CAD的单个矿业权空间数据成果采集系统研发

为了减轻全国矿业权实地核查空间数据整理人员的工作压力,保证采集成果的数据质量,基于CAD开发了单个矿业权空间数据采集系统.该系统不仅和使用CAD一样能快速完成各种矿业权要索的绘制,而且还可以实现属性自动生成、图形自动修饰、CAD向符合成果要求的ArcGIS格式数据的一键转换等.该系统完成了全国范围内约15万个矿业权中的...     

关于空间数据与空间数据模型的思考--中国GIS协会理论与方法研讨会(北京,2004)总结与分析

空间数据和空间数据模型是GIS理论与方法的核心内容。本文总结中国GIS协会理论与方法研讨会(北京,2004)的成果,围绕GIS研究与发展的新动向,分析了空间数据组织、集成、质量、不确定性与数据挖掘及3维空间数据建模、空间关系与可视化等方面的理论问题与发展趋势,并思考和讨论了空间认知学与本体论在GIS理论与方法研究中的作用。     

一种基于TerraSAR数据的矿区InSAR最大可检测动态形变梯度模型

受传感器本身的限制及噪声、大气延迟等影响,InSAR技术可检测的最大形变梯度存在极限。为准确预计InSAR技术在矿区形变监测中的检测能力,以65个矿区的地质采矿资料为基础,结合Knothe时间函数和概率积分模型,利用不同空间分辨率的TerraSAR数据,建立矿区InSAR最大形变梯度动态检测函数模型。该模型无需事先获取SAR影像,利用矿区现有的地质采矿资料即可判断InSAR在矿区不同开采阶段的可检测区间。以陕西大柳塔矿区为例,采用2012-11-21~2013-01-26的7景TerraSAR数据进行模型验证,结果表明,该模型不仅能够准确预测InSAR技术在矿区不同开采阶段的检测区间,同时可以确定InSAR技术在矿区不同开采阶段的地表可检测边界,可为InSAR技术在矿区中的推广应用提供重要参考。     

特殊事件中国际关系网络时序演化分析

21世纪以来的国际关系错综复杂、瞬息万变,给世界的经济、政治、安全、外交等带来了深刻影响。及时掌握国际关系的变化对中国外交政策制定、整体发展规划有着极为重要的意义。随着大数据时代的来临,应用大数据方法结合国际关系定量分析的工具对国际关系变化模式进行及时、有效地挖掘成为了一个重要的议题。强时效性、高信息量的新闻事件大数据蕴含能及时地反映出国际事件影响全球国际关系的信息。网络化挖掘作为一种面向大数据的信息挖掘方法,因其具象化的关系表达方式和丰富的结构分析方法组成为数据驱动的国际关系研究的重要方法。以短期国际事件为背景,对新闻事件大数据进行网络化挖掘,进行国际关系网络的时序演化分析,能够在短期国际事件造成国际关系变化的场景下,提供应对国际关系变化的解决方案参考。本文以中美贸易战为例研究特殊事件中国际关系网络的时序演化模式：基于GDELT新闻事件数据进行国际关系网络的构建,利用复杂网络方法进行信息挖掘并进行国际关系分析。首先利用该数据构建国际关系网络,然后用动态社区划分方法对其进行时序演化模式探测,最后结合点分布模式、核密度分析、空间自相关等空间分析方法对其进行空间特性分析。研究发现：① 在特殊事件发生过程中,网络社区的演化方式与发生的子事件类型具有很强的相关性;② 同一社区的节点在空间分布上一般呈现明显的聚集特征,特定区域节点加入不同社区频率高,节点网络属性值的空间高值分布随事件发生而改变;③ 网络局部特征值随子事件发生往往会发生较大变化。本文的研究为短期国际事件中的国际关系动态变化实证分析提供了一个新的视角,为国际关系研究的空间转向提供了一个新的思路,在方法层面对数据驱动的国际关系研究进行了补充,同时也为大数据的网络化挖掘提供了参考。