面向空间关联的空间关系计算方法

当前,利用空间关系在多源数据间建立空间关联是地理信息领域的研究热点。针对这一热点,提出一种面向空间关联的基于自适应四叉树编码计算矢量数据空间关系的方法。首先,以经纬度网格划分技术为指导思想,基于自适应四叉树进行空间编码,建立空间数据与对应编码间的关联;在此基础上,利用编码计算空间数据的网格拓扑、方向及距离关系,从而建立空间数据间的空间关联;最后,以深圳市OSM矢量地图为实验数据来验证。实验表明,自适应四叉树编码方法能集成地表达3种空间关系,且计算速度较快、效率较高,具有较强的实用性。     

基于空间实体约束的空间聚类算法研究

空间实体的存在对空间聚类分析产生重要的影响,传统的空间聚类分析中没有考虑空间实体的约束作用,从而影响了聚类结果。本文在总结了以往的空间聚类算法的基础上,提出了一种改进的基于空间邻接关系的空间聚类算法,该算法将空间邻接关系和空间实体作为约束条件嵌入到整个聚类过程中,使得数据对象的归类受到"就近原则"和"约束条件"的双重限制。     

土地数据中空间重复、覆盖和缝隙的快速检查算法

在土地空间数据处理及应用中,需要对空间关系进行检查以保证数据质量,GIS中常用的空间关系检查算法无法一次性检查出数据集内的空间重复、覆盖和缝隙错误。提出一种针对土地数据空间关系检查的快速算法,该算法只需对面数据内的空间对象循环一遍,即可检查出空间覆盖、重复和缝隙这几类空间关系错误。以图斑数据进行试验,将通用的空间关系检查算法与提出的算法执行时间进行对比,实践验证采用本算法能较大地提高对图斑数据集进行以上类型空间关系错误检查的效率。     

基于分布式数据库的城市空间信息资源变化更新研究与应用

随着地理信息系统的发展,空间信息资源的分散、分布特性越来越明显,为了提高空间信息资源的服务能力,必须实现分布武空间信息数据的变化更新,并及时提供变化监测信息.本文在研究了分布武数据库的变化更新流程以及关联类型、同步算法和冲突处理算法等关键技术的基础上,利用ARCGIS提供的Replication技术,开发了分布式空间信...     

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。     

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.     

基于网格密度的海量空间点聚合显示算法

在GIS系统应用中,经常遇到海量空间点数据的显示问题,若要显示全部空间点,采用传统的方法速度慢且压盖严重。近年出现的聚合显示技术,较好地解决了显示速度和可读性的问题,但这种聚合显示算法存在缺陷,不能很好地按分布的密度来进行聚合点的显示,并且在更海量的数据应用过程中,存在效率问题。本文提出了基于网格密度的海量空间点聚合显示算法,较好地解决了分布的问题,并提升了算法效率。     

地图兴趣点分布式空间分析服务

针对互联网地图上海量兴趣点的应用分析需要提高效率的问题,该文利用MongoDB设计并搭建了一个分布式集群,对这些互联网兴趣点数据进行了储存;然后通过MapReduce机制改进并实现了适用于海量兴趣点数据的空间同位模式挖掘的Apriori算法和几个常用的空间分布特征值计算方法;最后依据开放地理信息系统协会的Web处理服务规范,设计并实现了一个互联网兴趣点分布式分析服务实验系统。该文所提出的改进后的算法在数据吞吐量和计算效率上有优越性,且计算效率比传统空间分析工具和传统Apriori算法有所提高。     

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。     

领域知识辅助下基于多尺度与主方向纹理的遥感影像土地利用分类

基于灰度共生矩阵(GLCM)的纹理特征在影像空间分析中具有重要作用,提出了一种在领域空间知识辅助下构建GLCM多尺度窗口与主方向权值的方法,从而提高纹理特征的有效性,并解决影像土地利用分类中存在的不确定性问题。为此,根据人类目视解译的特点,对GIS与RS数据进行集成计算:首先,在图像配准的基础上,利用经典的GIS空间数据挖掘算法,渐近式地提取领域形态知识;接着,采用关联分析法建立其与GLCM构造因子之间的响应机制,并设计了基于地类形状指数的多尺度窗口建立算法,以及基于地类主方向分布指数的方向权值测度算法。试验结果表明,领域形态知识与GLCM空间因子之间具有强相关关系,该方法提取出的纹理特征可以描述复杂地物的空间意义,算法复杂度低,性能优越,有效提高了影像土地利用分类的精度。     

顾及空间分布与注记相关性的点要素注记配置算法EI北大核心CSCD

点状要素注记自动配置问题是数据可视化研究的难点之一。稠密型点状要素注记之间往往存在着较大的相关性和冲突性,从而导致注记效率低下及配置结果不合理的问题。本文通过充分挖掘稠密型点状要素的空间分布特征和注记相关性,提出了一种顾及空间分布与注记相关性的点要素注记配置算法。首先,充分挖掘点要素的局部空间分布特征和注记间的相关性构建注记关联度模型;其次,利用基于注记关联度模型的空间聚类算法对其整体空间分布特征进行描述和分析,将单一数据集划分为若干个独立的子数据集,以消除整体求解中独立数据集产生的干扰性和模糊性;最后,利用点要素的局部空间分布特征和注记相关性构建基于增序注记关联度模型的注记次序规则,并采用多层次元启发算法求解注记配置的近似最优解。试验结果表明:在5%~40%注记密度下的点要素注记配置,新算法较传统元启发式算法的求解效率提高10.41%~28.92%,注记质量评价函数值下降5.5~35.9,有效提升了点要素注记配置的效率和质量。     

基于空间数据挖掘技术的农用地产能核算数据库的应用研究

为提高农用地产能核算数据库的利用效率,以空间关联规则为基础,在河北省土地产能核算数据库的应用中得到提高河北省农业用地普查结果的利用效率的几条知识规则。利用现有软件,使用GIS软件进行空间数据预处理及空间关系计算。属性数据使用access管理,而关联规则挖掘算法直接应用Clementine。通过数据选取、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,从空间数据库中提取用户感兴趣的空间模式与特征、空间与非空间数据的普遍关系及其他一些隐含在数据中的普遍的数据特征,从而得到提高土地产能核算成果利用效率的规律。     

一种分布式计算的空间离群点挖掘算法

针对现有空间离群点挖掘算法无法适应大规模空间数据挖掘的需求,该文提出了一种分布式条件下的空间离群点挖掘算法。首先,该文针对集群上分布式计算和存储的特点提出使用空间填充曲线来划分数据集,加速寻找目标点的近似空间最近邻居。其次,使用信息熵的理论来定义空间离群系数,考虑到多维数据中不同属性对离群系数的影响具有差异性,该算法能够自动根据数据原有特点,计算各属性的权重;同时使用反距离权定义空间因素对离群系数的影响。最后,实验结果表明该算法在大规模的空间数据集中挖掘离群点的效率远高于传统算法,离群点的挖掘精度在90%以上。     

支持向量机在空间信息处理领域的应用研究

支持向量机作为一种最新的也是最有效的统计学习方法,近年来成为模式识别与机器学习领域一个新的研究热点。支持向量机具有小样本学习、抗噪声性能好、学习效率高和推广性好的优点,能够用于空间信息处理分析领域的遥感影像处理、高光谱分类、拟合与回归、数据挖掘、目标检测等任务。本文在总结分析近年来支持向量机在空间信息处理领域应用主要进展与成果的基础上,结合支持向量机理论方法与空间信息处理的发展趋势,提出了今后有必要重点研究的若干问题,包括空间数据挖掘、智能空间信息处理、高维空间数据处理等。     

基于场论的空间聚类算法

从空间数据场的角度出发,提出了一种适用于空间聚类的场——凝聚场,并给出了一种新的空间聚类度量指标(即凝聚力)。进而,提出了一种基于场论的空间聚类算法(简称FTSC算法)。该算法根据凝聚力的矢量计算获取每个实体的邻近实体,通过递归搜索的策略,生成一系列不同的空间簇。通过模拟实验验证、经典算法比较和实际应用分析,发现所提出的算法具有3个方面的优势:(1)不需要用户输入参数;(2)能够发现任意形状的空间簇;(3)能够很好适应空间数据分布不均匀的特性。     

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。     

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。     

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.     

空间关系中两相邻实体间最近距离算法研究

空间距离关系是最基本、最重要的一类空间关系。通过先考虑二维空间中两任意实体之间不同的相对位置关系,再利用构建Delaunay三角网寻找两者的邻近区域,从而计算出两者之间的最近距离。本文还提出了基于约束圆寻找并计算任意两个实体多边形之间的最近距离方法,并给出了约束圆的特征。这种方法适用于不用区分实体多边形的形状与位置的各种情况。