空间数据挖掘和知识发现的现状与发展

分析了空间数据挖掘涉及的两大关键技术:空间数据仓库技术和空间数据挖掘的各种算法、地学数据挖掘所涉及的各种算法,列举了现有的各种空间数据挖掘方法,指出它们的优缺点和应用场合,简要讨论了迄今为止空间数据挖掘领域所取得的进展,展望了未来的发展方向。     

空间数据挖掘与GIS集成及应用研究

阐明空间数据挖掘与GIS集成的优越性,分析空间数据挖掘与关系数据库系统的区别,介绍面向对象技术对空间数据挖掘和空间数据挖掘的常用算法．在此基础上介绍地理信息系统与空间数据挖掘工具及应用。     

空间数据挖掘的方法和实施

回顾了空间数据挖掘技术的现状、趋势及任务，描述了目前在空间数据挖掘中常用的一些算法；然后以海岸带地理环境评判为例，介绍了挖掘算法的实施。     

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.     

面向大数据的空间数据挖掘综述

随着大数据时代的到来,海量空间数据与获取手段不足的矛盾日益显著,空间数据挖掘的地位日益提高。从大数据的含义出发,分析了空间数据与大数据的关系,回顾了传统空间数据挖掘存在的问题,最后从平台和算法两个方面探讨了空间大数据挖掘的最新研究进展。     

基于GIS与SDM技术的可视化空间数据分类研究

提出将GIS与可视化空间数据挖掘技术之集成的基本框架。在此基础上,基于VisualC++6.0和Ma-pObject2.0组件技术设计和开发了一个可视化交互空间数据挖掘分类系统,系统采用决策树方法和贝叶斯网络作为数据挖掘方法的基本算法,采用训练与学习相结合实现空间数据的分类。文中用实例数据对系统性能、算法和规则有效性进行了验证。结果表明,该系统是一个适用的、可扩展的可视化交互空间数据挖掘工具,系统能够实现数据挖掘实时动态的交互控制,实现了数据挖掘过程的可视化、挖掘模型的可视化和结果的可视化显示、可视化思考、可视化分析与评价。     

大数据时代的空间数据挖掘综述

随着大数据时代的到来,数据挖掘技术再度受到人们关注。本文回顾了传统空间数据挖掘面临的问题,介绍了国内外研究中利用大数据处理工具和云计算技术,在空间数据的存储、管理和挖掘算法等方面的做法,并指出了该类研究存在的不足。最后,探讨了空间数据挖掘的发展趋势。     

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。     

模糊聚类和模糊模式识别的海图质量评价算法

针对数字海图的成图质量评价问题,提出一种模糊聚类和模糊模式识别相结合的数字海图质量评价算法。算法用于近似处理海图空间数据挖掘的模糊不确定性,减少不确定性对挖掘效果的影响。实例分析结果表明,本算法不仅能够有效地降低海图空间数据挖掘的不确定性,而且能够客观地对数字化作业员的成图质量进行评价,因此有良好的应用价值。     

Map/Reduce框架下的粗糙集空间数据挖掘改进算法

大数据时代,传统的空间数据挖掘算法在挖掘海量空间数据信息时存在计算能力和存储能力不足的瓶颈。为解决此问题,本文在研究粗糙集基本理论和Map/Reduce框架的基础上,对传统的粗糙集空间数据挖掘算法进行基于Map/Reduce的高效、廉价的并行化改进。实验表明,在处理大数据时,改进后的模糊集并行空间数据算法能有效提高算法的效率,满足人们处理海量空间数据的需求。