一种顾及模糊属性的空间关联规则挖掘方法

针对传统空间关联规则挖掘对数据硬化分导致的"尖锐边界"问题,提出了一种顾及模糊属性的空间关联规则挖掘方法。该方法引入模糊集理论,将模糊空间属性通过隶属函数转化为隶属度表示的模糊数值,从而将其划分为模糊集合。然后使用改进的模糊关联规则挖掘算法扫描数据库,根据相应的支持度得到频繁项集,最终提取出关联规则。实验结果表明,该方法能够对带有模糊属性的空间数据进行关联规则挖掘,且在一定程度上提高了挖掘结果的兴趣度。     

挖掘模糊空间关联规则的方法

将模糊关联规则挖掘方法与模糊空间概念层次表达、模糊空间关系层次分析等结合起来,研究模糊空间关联规则挖掘的理论和方法.对于挖掘算法以及规则的置信度和隶属度计算问题,文中结合应用实际,给出了详细理论推演和算法实现过程.     

挖掘模糊空间关联规则的方法

将模糊关联规则挖掘方法与模糊空间概念层次表达、模糊空间关系层次分析等结合起来，研究模糊空间关联规则挖掘的理论和方法。对于挖掘算法以及规则的置信度和隶属度计算问题，文中结合应用实际，给出了详细理论推演和算法实现过程。     

基于模拟退火的量化空间关联规则挖掘

目前在空间关联规则挖掘研究中,对数据的处理和算法的改进主要针对布尔关联规则挖掘,存在对空间关联规则的量化表示不够重视等问题。在FP-growth算法的基础上增加规则的事务信息,并使用模拟退火算法,对得到的规则进行进一步挖掘,得到量化空间关联规则。     

基于布尔矩阵的空间关联规则提取方法研究

空间关联规则是空间数据挖掘(SDM)中的重要内容之一。由于空间数据的复杂性,传统的空间关联规则挖掘方法主要是将空间数据库变换为非空间数据库,通过挖掘算法挖掘空间关联规则。目前,Apriori算法是关联规则挖掘中使用最为普遍的算法,但是,由于该算法在关联规则提取过程中需要多次扫描数据库,并且产生冗余的候选项集,因此,在执行大型数据库的关联规则挖掘时,具有效率低下的缺陷。本文基于Apriori算法提出了基于布尔矩阵的空间关联规则挖掘算法,并以挖掘福建省厦门市土地覆盖现状与地形特征因子的空间关联关系作为试验案例,对比Apriori算法的提取结果与提取效率,结果表明:该算法不仅减少了扫描数据库的次数,而且减少了冗余候选项集的产生,提高了空间关联规则的提取效率。     

时序空间关联规则挖掘及其应用研究

空间关联规则挖掘是空间数据挖掘的重要内容,文中给出了时序空间关联规则挖掘的相关概念、原理及实现（算法）,研究了时序空间关联规则挖掘数据集的构造方法,提出通过空间实体关联关系和时间项转置方法将处于不同时刻的、相互独立的空间数据集进行重构,生成隐含了时序空间关联特征的挖掘数据集,进而可应用关联规则挖掘算法获取时序空间关联知识,初步进行了时序空间关联规则挖掘的应用研究。     

基于元模式的空间关联规则挖掘方法

空间关联规则可以从空间数据库中发现空间对象之间的隐含的、不明确的空间关系。空间数据库中空间关联规则挖掘研究是空间数据挖掘和知识发现(SDMKD)的主要内容,其主要问题是多层,多关系的规则发现问题。本文把元模式与空间关联规则挖掘相结合介绍了挖掘地理信息系统(GIS)中空间数据库关联规则的常用步骤方法。     

通用关联规则挖掘框架的设计与实现

对适用于多种数据类型的关联规则挖掘框架进行了研究。从概率论出发讨论了支持度计算问题,提出利用有限测度计算项集支持度的方法,分析了Apriori性质的本质,提出通用关联规则挖掘算法的设计思路。在此基础上,设计并实现了通用关联规则挖掘框架,使用该框架进行了事务、空间和时空数据的挖掘实验,验证了其可行性、通用性及正确性。     

从GIS数据库中挖掘空间关联规则研究

G IS数据库中空间关联规则发现是SDMKD的重要内容,广泛涉及到知识的表示和推理,需要地理空间知识的深入参与。在地理空间认知的基础上,结合认知逻辑,通过ILP对空间关联规则进行形式化描述,特别分析了其中涉及的空间谓词;通过例子说明了形式化空间关联规则的具体应用。从G IS数据库中挖掘空间关联规则的主要问题是多层、多关系的规则挖掘问题,不同专题图层不同空间对象之间空间谓词的高效计算与存储表达是解决问题的关键;把空间关系非空间化,将连续数据离散化,从而把求解问题转换成布尔型关联规则问题进行讨论,基于此而探讨了一种通过SJI-P表组织空间谓词,然后根据目标对象的概念层级自顶向下、逐层细化的空间关联规则挖掘方法。     

利用改进粒子群算法的关联规则挖掘

针对传统的关联规则挖掘方法需要耗费大量时间来产生频繁项的问题,该文设计了一种引入负反馈机制的改进粒子群算法。该算法采用负反馈机制,在粒子位置更新前通过判断粒子是否将落入恶劣区域,较好地避免了粒子更新过程中对无用频繁项的重复计算,从而有效减少了数据库的扫描次数。通过挖掘土地覆盖类型与地形特征的空间关联关系,结果表明:所提算法不仅可以提高空间关联规则的挖掘效率,还可以发现仅具有高置信度的易被忽视关联规则。该研究结果对空间关联分析、同位模式挖掘等具有一定的参考价值。     

基于分类规则挖掘的遥感影像分类研究

分析了目前遥感影像的统计分类、神经网络分类及基于符号知识的逻辑推理分类方法的优缺点.以GIS为平台,构建了多源空间数据库,将数据挖掘的思想和方法引入遥感影像分类中,提出了面向分类规则挖掘的遥感影像分类框架.针对遥感光谱数据及其他空间数据的特点,定义了连续属性样本分类概念和分割点评价指标,提出了一种新的连续属性样本分类规则挖掘算法.选择一个试验区,采用该算法分别对遥感光谱数据、遥感光谱和DEM数据相结合的数据进行分类规则挖掘、遥感影像分类和分类精度比较.结果表明：（1）该算法具有较高的分类精度;（2）加入DEM等与分类相关的其他空间数据可以提高遥感影像的分类精度.通过挖掘分类规则进行遥感影像分类,扩展了基于知识的逻辑推理分类方法中知识获取渠道,提高了分类规则获取的智能化程度.新的连续属性样本分类规则挖掘算法,扩展了归纳学习算法对连续属性样本分类的适应性.     

空间数据挖掘中关联规则的支持度和可信度研究

空间数据挖掘中所依赖的空间相关性是由空间关联规则描述的。研究了事务集为粗糙集时空间关联规则支持度和可信度的计算方法;提出了当事务集为粗糙集、空间数据为模糊数据时的模糊粗糙关联规则。同时,推导了空间关联规则的支持度和可信度的变化规律。     

一种面向主题的基于多层次空间概念关系的关联规则挖掘算法

提出了一种面向主题的基于多层次空间概念的关联规则挖掘算法FT_MLSAM.在FT_MLSAM算法中,先根据用户感兴趣的主题确定挖掘的概念关系,然后对所涉及的多个空间数据层进行连接,生成空间视图,最后进行属性泛化,转化成一般属性关联规则的挖掘,实验证明算法是有效的.     

空间数据挖掘中关联规则的支持度和可信度研究

空间数据挖掘中所依赖的空间相关性是由空间关联规则描述的.研究了事务集为粗糙集时空间关联规则支持度和可信度的计算方法;提出了当事务集为粗糙集、空间数据为模糊数据时的模糊粗糙关联规则.同时,推导了空间关联规则的支持度和可信度的变化规律.     

利用事件影响域挖掘时空关联规则

首先发展了基于事件影响域的时空事务表构建策略,提出了基于事件影响域的时空关联规则挖掘方法,给出了相应的挖掘算法(简称ECSTAR算法)。通过一个实际算例验证了所提方法的可行性和有效性。     

基于邻接指数的空间关联规则挖掘方法研究

在空间关联规则挖掘中一般是采用遍历算法进行,导致对海量数据计算效率的降低。目前,空间数据挖掘模型多采用空间邻接矩阵来表达空间关联权重,大多情况下没有考虑邻接关系的实际量化的结果。文中在分析了空间实体分布的各种相邻关系基础上,采用邻接指数的方式来测算空间相关程度,并在此基础上采用改进的Apriori算法,通过自编程序加以实现。以北京市昌平区土地利用类型的空间分布关系为样例数据进行了试算。结果表明,计算效率有较大提高,并挖掘出一些潜在的土地利用类型间的共生关系。     

基于S-域的空间关联规则挖掘研究

概括了空间关联规则挖掘的发展现状,引入空间共生域的概念,给出了相关论证,设计了详细的算法步骤。利用该方法可以分割地理连续体、实现数据的离散化处理,由此构造的空间数据库可以应用传统的Apriori算法。同时,针对共生域的异质性问题,给出了障碍距离的模糊隶属度公式。最后,结合应用实际进行挖掘,结果表明该方法适合于发现具有因果关系的空间实体之间的关联性知识。