空间数据挖掘进展

空间数据挖掘是解决海量空间数据利用瓶颈的技术之一.本文综述空间数据挖掘的研究与应用进展.首先,分析空间数据挖掘的缘起.其次,研究空间数据挖掘的本质及其特点.再次,基于理论技术,分类总结空间数据挖掘的研究和应用的成果,并探讨其研究方向.最后,总结全文.     

空间数据挖掘技术与发展趋势

试从空间数据挖掘方法的角度,探讨了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,介绍了空间聚类挖掘方法的分类和几种典型算法,概述了空间数据挖掘的发展趋势。     

国内空间数据挖掘研究进展与技术体系探讨

基于空间数据具有的海量、非线性、尺度性等特点,分析了空间数据挖掘技术具有的复杂性、尺度性、综合性、空间性、可视化、多样性特征,并结合调研国内5年来空间数据挖掘研究进展,探讨分析了空间数据挖掘技术体系的组成内容。     

空间数据挖掘的区域循环经济决策支持框架设计

循环经济是实现可持续发展的重要保证。本文在区域可持续发展决策支持系统研究成果的基础上,结合空间数据挖掘技术,提出区域循环经济空间决策支持系统的框架设计。并介绍了空间数据挖掘在区域循环经济决策中的一些应用。     

空间数据挖掘技术在土地定级估价中应用

介绍了空间数据挖掘技术和决策树算法。通过对其研究，将可视化空间数据挖掘技术应用于土地定级估价，并介绍了基于Visual C^＋＋ 6．0和ESRI公司的MapObiect 2．0组件技术设计和开发了一个可视化交互空间数据挖掘土地定级估价原型系统。系统采用决策树方法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土地定级估价。阐述了基于决策树空间数据挖掘土地定级估价的系统模型，系统总体框架、主要模块、系统界面及系统实现定级估价的工作流程。该方法是对土地定级估价方法的一种新的探索，是对土地信息系统开发的一种新的尝试，也是土地信息系统智能化发展的一个方向。     

空间逐步寻优数据挖掘在遥感影像分类中的应用

在遥感地学分析模型中,由于遥感信息模糊和不确定性的特点,其特征空间中的特征分布并不完全符合特定的高斯密度分布,而是分布形状各异,相互交错,用传统模型是很难获得特征的最优分布解的,而空间逐步寻优数据挖掘方法(SOMM)是在演化寻优理论的基础上,融合知识的参数化分布函数,来逐步分离特征空间,逐步降解的获得特征树状的层次结构。结合实例,用SOMM方法对遥感影像进行分类计算,并与传统的最大似然分类方法的分类结果进行了比较。     

空间逐步寻优的数据挖掘法的多波段影像分类研究

对于在特征空间中寻找特征模式,一般是通过假设分布函数一次性对样本空间进行分离的方法去试图获得特征空间的样本总体分布规律。但是由于样本集之间互相重叠或者由于离散样本相互干扰的原因,往往很难获取细节性和过程性的分布结构,而直接影响结果的精度和解释力。本文提出了空间逐步寻优的数据挖掘方法(SOMM),是在遗传算法寻优理论基础上,根据知识参数化样本分布函数,来逐步分离样本空间,获得样本空间的树状的层状分布结构;同时提出了基于SOMM的多波段遥感影像聚类模型和监督分类模型;最后对分类过程和结果进行了综合分析,通过与最大似然和BP神经网络方法相比较,认为SOMM方法在过程化、细节化、分类精度、融合领域知识等方面具有一定的优势。     

基于自组织数据挖掘方法的经济预警研究

目前经济预警方法主要包括指标预警、统计预警、模型预警3类，这3类方法各有优劣。模型预警法常使用ARCH模型预警与人工神经网络模型预警。将自组织数据挖掘方法引入经济预警建模过程，通过实证研究发现：自组织数据挖掘方法在经济预警研究中具有较强的学习能力，在模型变量筛选时能有效避免人为因素的影响；与人工神经网络相比较，它建立的显式模型能够反映输入指标对输出指标的具体影响状况，将有助于分析警源，排除警情。研究结果表明，自组织数据挖掘方法将为经济预警提供一种新的模型预警法。     

空间逐步寻优数据挖掘在遥感影像分类中的应用

在遥感地学分析模型中，由于遥感信息模糊和不确定性的特点。其特征空间中的特征分布并不完全符合特定的高斯密度分布，而是分布形状各异，相互交错，用传统模型是很难获得特征的最优分布解的，而空间逐步寻优数据挖掘方法(SOMM)是在演化寻优理论的基础上，融合知识的参数化分布函数，来逐步分离特征空间，逐步降解的获得特征树状的层次结构。结合实例，用SOMM方法对遥感影像进行分类计算，并与传统的最大似然分类方法的分类结果进行了比较。     

林业数据挖掘与可视化的应用分析

面对海量的林业空间与非空间数据,提取隐含的信息是"数字林业"急需解决的关键问题之一。数据挖掘和可视化是处理和分析海量空间数据的有力工具,利用它们可以有效地剖析隐藏在数据背后的信息与知识,为我林业规划与决策提供服务。本文将空间数据挖掘和可视化技术整合为一个有机的整体,集成两者的优势,阐述了可视化技术在空间数据挖掘研究中的意义。并讨论了空间数据可视化表达模式和可视化与空间数据挖掘的整合。针对林业资源数据的特点,提出在可视化表达空间数据的基础上对林业数据的多维信息进行综合分析。最后,开发了原型系统,初步实现了林业数据可视化挖掘。     

数据空间自相关性对关联规则的挖掘与实验分析

传统的空间关联规则挖掘,一般足使用属性关联规则的挖掘算法,对空间数据进行泛化处理,不考虑空间数据的空间自相关性,也没有考虑空间自相关与空间关联规则的关系.本文运用改进的Apriori算法对某一数据进行空间关联规则挖掘,并对同一数据进行空间自相关分析,比较两种方法反映的属性的相关性,探讨了数据的空间自相关性对空间关联规则...     

基于CAD的单个矿业权空间数据成果采集系统研发

为了减轻全国矿业权实地核查空间数据整理人员的工作压力,保证采集成果的数据质量,基于CAD开发了单个矿业权空间数据采集系统.该系统不仅和使用CAD一样能快速完成各种矿业权要索的绘制,而且还可以实现属性自动生成、图形自动修饰、CAD向符合成果要求的ArcGIS格式数据的一键转换等.该系统完成了全国范围内约15万个矿业权中的...     

基于位置签到数据的城市空间分析与可视化

微博签到是一种典型的基于位置的社交服务,反映出社交用户与城市公共空间的互动,海量的社交位置签到数据为城市研究提供了全新的视角。本文基于香港、深圳两个城市2014年1月至2015年1月时间段内的新浪微博签到数据,从签到数据空间特性、旅游热点分布和居民活动空间3个方面对城市空间进行了综合分析:空间相关性分析结果表明签到事件在城市空间的分布具有明显的聚集性,并根据空间扫描统计结果依次标识出签到事件高值聚集区;针对旅游类签到数据分析发现两城市旅游关注度的时间变化趋势一致且峰值与我国假期时间分布相吻合,旅游热点主要分布于城市中心地带;以签到事件的规模、强度和集聚程度作为居民活动的表征分析城市活动空间特征,结果表明居民活动的核心圈层受到传统行政区划影响但分布已初步呈现"多心开敞"的空间形态。     

基于空间分析技术的城市土壤污染评价

结合地理信息系统技术,提出了空间分析技术评价城市土壤污染的技术路线并探讨了与之相关的数据处理方法、评价单元的划分、评价指标体系的建立以及各指标的权重设定,借助GIS软件Arcview的空间分析模块,编程实现了用空间分析方法对城市土壤污染的评价。利用该方法对北京市城区及近郊区土壤污染进行了评价,结果表明,空间分析技术是一种在可视化条件下对城市土壤污染进行评价分析的有效方法,评价结果真实可信。     

台湾海峡船舶定线制设计的数据空间处理与分析

船舶定线制是指定船舶在水上某些区域航行时所遵循或采用的航线、航路或通航分道的一种制度,是水上交通繁忙区域实施有效管理的主要手段,是对航路合理规划、有效利用的重要方法,代表着水上船舶航行秩序管理的发展方向。本文针对台湾海峡船舶定线制设计中对船舶交通数据的空间处理及分析需求,经过大量实测数据分析和实践验证,提出了一些符合台湾海峡船舶定线制设计的数据空间处理及分析方法,并就船舶定线制推荐方案的空间表达形式作了简要介绍。     

Web环境下地学数据共享用户行为模式分析

了解科学数据共享用户行为特征对实现高效、精准的数据共享服务具有重要的参考意义。本文基于国家地球系统科学数据共享平台网站服务器日志及服务记录数据,利用空间数据挖掘及Web使用挖掘技术,探索地球系统科学数据共享用户行为模式。在数据预处理阶段,完成用户识别、会话识别、位置识别,并对数据进行空间建模、空间数据库建库。在数据挖掘阶段,分别对用户产生的网页浏览数、会话数、数据集浏览数为对象进行空间“热点”分析,识别用户行为的地域差异。针对用户数据浏览和下载行为,采用FP-growth算法对用户——数据之间进行关联规则挖掘,发现用户对数据关注和使用的高频规律。分析结果表明：（1）该共享平台用户地在国内各省市均有分布,用户最多的3个省（市）分别为北京市、山东省、江苏省,该分布与国内高校学生分布相关程度不高,但与“211工程”高校学生的空间分布相关度较高;（2）空间“热点”分析表明,北京、天津及河北北部无论在网页浏览、数据浏览还是会话量上都是“热点”区域,但识别的“冷点”区域有较大不同,尤其是数据访问“冷点”分布较广,如南方沿海省份、河南省、山东省、四川省等;（3）关联规则挖掘发现多个数据浏览高频项目集以及关联规则。数据下载高频项与数据浏览高频模式较好吻合,但下载行为未表现出明显关联规则。本文提供了一种结合Web使用挖掘和空间数据挖掘的用户行为模式挖掘方法,该方法也可用于其他类型网站的数据挖掘。     

基于概念格的关联规则挖掘算法改进

增量式概念格构造算法和概念格的渐减维护算法是很重要的两类概念格更新算法,但增量式概念格构造算法只针对数据对象的增加,概念格的渐减维护算法只针对数据对象的删除,两者都具有单一性。本文针对这个问题,提出基于概念格的改进算法,不仅考察了数据对象的增加、删除,还适用于数据记录随时间的改变,满足了数据库的增、删、改操作。另外,引入一种新的关联规则兴趣度量Kulc_measure,用以衡量属性的变化对关联规则的影响程度。