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。     

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。     

基于Voronoi图的空间事务数据库构建方法研究

将空间数据库转换成空间事务数据库是空间关联规则挖掘过程的关键步骤。本文首先讨论了空间事务数据库的一些基本概念,然后提出了利用Voronoi图作为辅助工具将连续空间分割成若干个空间事务域,进而构建空间事务数据库,并给出了基于Voronoi图构建空间事务数据库的算法。最后,通过一个实际算例验证了本文所提方法的可行性和有效性。     

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。     

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.     

基于Voronoi图的空间关联规则挖掘方法研究

提出了利用Voronoi图作为辅助工具实现连续空间离散化的方法,并给出了基于Voronoi图构建空间事务数据库(spatial transaction database,STD)的算法。在此基础上,采用经典的Apriori算法来例证如何从STD中挖掘空间关联规则。实际算例验证了本文方法的可行性和有效性。     

一种三维空间两模糊对象拓扑关系的描述方法

拓扑定义了空间要素如何共享空间的规则,它是一个规则和关系的集合,可以用来控制要素间的地理关系,同时保持它们各自的集合完整性,是重建地理实物的有效手段。针对三维空间中拓扑关系的研究现状,本文采用了粗糙集理论,对三维空间中模糊对象间的拓扑关系进行了研究,得出了两个模糊对象间的拓扑关系模型。为进一步研究分析空间拓扑关系提供了理论基础。     

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。     

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。     

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。     

Mining Association Rules in Spatio-Temporal Data: An Analysis of Urban Socioeconomic and Land Cover Change

This research demonstrates the application of association rule mining to spatio‐temporal data. Association rule mining seeks to discover associations among transactions encoded in a database. An association rule takes the form A→B where A (the antecedent) and B (the consequent) are sets of predicates. A spatio‐temporal association rule occurs when there is a spatio‐temporal relationship in the antecedent or consequent of the rule. As a case study, association rule mining is used to explore the spatial and temporal relationships among a set of variables that characterize socioeconomic and land cover change in the Denver, Colorado, USA region from 1970–1990. Geographic Information Systems (GIS)‐based data pre‐processing is used to integrate diverse data sets, extract spatio‐temporal relationships, classify numeric data into ordinal categories, and encode spatio‐temporal relationship data in tabular format for use by conventional (non‐spatio‐temporal) association rule mining software. Multiple level association rule mining is supported by the development of a hierarchical classification scheme (concept hierarchy) for each variable. Further research in spatio‐temporal association rule mining should address issues of data integration, data classification, the representation and calculation of spatial relationships, and strategies for finding ‘interesting’ rules.     

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.     

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。     

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。