基于MATLAB的关联规则空间数据挖掘探讨——以济南市平阴县安城乡为例

本文根据关联规则挖掘方法,在Matlab中编写程序,时土地利用现状数据库进行数据挖掘。计算了不同用地类型与坡度之间的支持度和置信度,得出关联规则。通过平阴县安城乡的实证,取得了较好的结果。     

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。     

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。     

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。     

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。     

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。     

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。     

数字油藏空间数据挖掘与知识发现框架设计

油藏空间数据挖掘与知识发现是继油藏数字化建设后需要解决的一个重要问题.本文首先总结了数字油藏中空间数据的特征及数据处理的方法学基础,提出把数据挖掘思想用于油藏数据处理以获取更多有用信息,即油藏空间数据挖掘与知识发现.文章列出了四种可能的方案,简述了每一种方案的特点,最后结合数据库数据挖掘与GIS可视化,提出了油藏空间数据挖掘与知识发现的框架.对数据挖掘的主要模式进行了讨论,认为空间关联规则是油藏空间数据挖掘中最重要的一种知识模式,因而空间关联规则挖掘算法的设计也就成了油藏空间数据挖掘中需要解决的一个重要问题.     

多媒体数据挖掘中图像数据的关联规则挖掘

多媒体数据挖掘是目前国际上数据库、多媒体技术和信息决策领域最前沿的研究方向之一,是数据挖掘的一个新兴且富有挑战性的子领域。介绍了多媒体数据挖掘的系统结构,及以图像数据为代表的关联规则挖掘方法。     

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.     

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.     

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.     

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。     

地理空间关联模式的统计挖掘方法研究

地理空间关联模式是地理要素关系的一种重要表现形式,也是地理空间数据挖掘的核心研究内容,对分析地理要素/地理事件的分布模式、影响因素及演化趋势等有着重要的指导意义。目前,地理空间关联模式挖掘算法尚未能充分考虑地理空间数据的特性,挖掘结果缺乏有效评价与筛选,从而影响了挖掘结果的可靠性与可解译性。本文充分考虑地理空间数据特征对挖掘结果的影响,综合利用空间分析、时空统计、空间数据挖掘等理论工具,深系统地研究地理空间关联模式的统计挖掘方法,主要研究工作及创新之处包括:(1)深入探讨了地理空间关联模式挖掘的含义与特征,分析了地理空间认知理论、地理空间数据特征在地理空间数据挖掘中的重要作用,确立了地理空间关联模式挖掘结果的评价策略(即:显著性统计分析),并在此基础上构建了地理空间关联模式统计挖掘的基础性框架。     

基于出租车轨迹数据的空间关联规则挖掘

出租车作为城市公共交通的重要组成部分,对于人们的日常活动有着重要的作用。而出租车的运营产生了大量的轨迹数据,通过对轨迹数据的挖掘可以反映城市居民的人口流动状况及出租车的运营规律。空间关联规则挖掘作为数据挖掘的重要组成部分,通过对轨迹数据进行关联规则的挖掘可以得到其隐含的规律信息,从而改进出租车运营模式。而OpenStreetMap是众源地理数据中极具代表性的项目,其数据量丰富、现势性强、成本低廉,被广泛关注。以深圳市出租车轨迹数据及OpenStreetMap矢量地图数据为基本数据,基于出租车上(下)车点进行关联规则挖掘,进而得到深圳人口流动特征,从而为人口活动分析及基于位置的服务提供参考。     

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。