空间关联规则挖掘在中国农业普查中的应用研究

空间关联规则挖掘是一个过程,主要包括数据选取、数据预处理、数据变换、数据挖掘算法实施以及模式解释与评估等。目前,相关研究的重点在于各种空间关联规则挖掘算法的实施,而对其他几个步骤的研究比较少,如多个字段的综合处理、连续数据的离散化等。同时,农业普查数据尤其是第二次全国农业普查数据涵盖了丰富的"三农"信息,像座宝藏,期待人们运用各种技术开发利用。空间关联规则挖掘无疑是挖掘农业普查数据宝藏的最理想工具。本文将空间关联规则挖掘首次引入中国农业普查当中,以其在甘肃农业普查中的应用实例详细描述空间关联规则挖掘各步骤处理过程及各技术关键的处理方法,最后得出一些甘肃省各界最为感兴趣的知识,为甘肃省解决"三农"问题提供决策依据。     

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。     

空间数据挖掘与发展趋势研究

目前国内外学者已提出不少种空间数据挖掘(SDM)的方法,如统计方法、泛化方法、空间分析方法、聚类方法、探测性的数据分析、粗集方法、云理论、图像分析和模式识别等。本文试从空间数据挖掘方法的角度,探讨空间关联规则的挖掘方法以及它与传统的关联规则挖掘方法之间的区别,介绍空间聚类挖掘方法的分类和几种典型算法,最后概述了空间数据挖掘的发展趋势。     

用空间分析方法进行空间关联规则提取

针对目前的数据库系统无法发现数据中存在的关系和规则,阐述一些空间关联规则的相关概念,提出空间关联规则提取算法——逐步求精的挖掘算法,并进行详细描述,然后用实例验证该算法的可行性。     

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。     

全国极端气温事件的空间关联模式挖掘研究

根据全国739个气象台站1961年1月至2005年12月的逐日气象数据记录建立时空序列数据集,提取极端高温事件和极端低温事件。结合传统关联规则挖掘技术和地理空间数据分析方法,对极端气温事件数据集进行了空间关联模式的分析。实验结果显示,所得空间关联模式中涉及的区域在空间上具有明显的聚集性;在东北、华中两个局部地区的台站中,极端气温事件的发生存在较强的关联规则（支持度阈值6%,置信度阈值95%）,而在其他区域的台站中,极端气温事件不存在类似的关联规则,且极端高温事件的关联规则数量要明显高于极端低温事件。对存在关联规则的台站进行空间分析发现,同一关联规则内的各台站具有空间邻近性,其邻近范围约为200 km。以上空间关联模式的挖掘分析,可以为我国极端气温事件的预警和防控提供有价值的参考。     

利用叠置分析和面积计算实现空间关联规则挖掘

提出利用叠置分析和面积计算实现空间关联规则挖掘的算法I-Apriori及其改进算法FI-Apriori,这两种算法不依赖于空间数据的事务化,可以直接从矢量多边形图层中提取所有强关联规则.采用实际数据对两种算法进行了检验,验证了它们的可用性与有效性,并对挖掘所得空间关联规则的筛选和可视化方法进行了探讨.     

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。     

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。     

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.     

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。     

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。     

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.     

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。     

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。     

GIS空间关联规则挖掘研究

提取不同对象或现象间相互联系的空间规律,发现、解释或预测空间现象或事件,是GIS空间关联规则挖掘价值的体现。通过对目前的空间关联规则挖掘理论和实例的研究,分析了挖掘过程涉及到的基本问题：挖掘实施的基本步骤、开发路线、挖掘有效性的保证,挖掘方法及优化策略等,得到了实用的挖掘的一般方法,也对挖掘的应用实例进行了分析,展望了应用前景。     

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.