论文部分内容阅读
空间数据挖掘(Spatial Data Mining,简称SDM)是数据挖掘的一个重要分支,它对于理解空间数据,寻找空间数据之间、空间与非空间数据之间内在关系,以简洁方式表达空间数据规律起着重要作用。空间数据挖掘面向的是空间数据库,空间数据库是一类重要的、特殊的数据库。地理信息系统(GeographicInformation System,简称GIS)是空间数据库的载体,GIS数据库中含有大量的空间和属性数据。因此,利用GIS作为开发空间数据挖掘工具的平台,能够使空间数据的整合利用更加方便以及知识的表达更加直观。空间关联规则是空间数据挖掘所要发现的一种重要知识。Tobler的第一地理规则描述了这样一种空间依赖性:“所有的事物都是有联系的,一个地方发生的事件总是与它附近发生的事件有关联,并且相距近的事物之间的联系一般比相距远的事物之间的联系要紧密。”如果能从这些数据中找出其规律性或相互联系,就可以反过来推断客观世界的情况。这就是空间关联规则挖掘的任务。一般的空间关联规则研究是基于传统的关联规则,然而这些方法在处理空间关系时是不适用的。同位规则问题的提出,很好的解决了挖掘正确有效的空间关联规则的需要。本论文分为五章。第一章是概述,对空间数据挖掘、GIS以及空间关联规则等概念和理论框架进行简要的阐述。第二章介绍空间数据的相关理论以及GIS与空间数据挖掘的集成模式。第三章是空间同位规则挖掘算法的研究。介绍了用于处理布尔型空间数据的事件中心模型和拓展到处理空间多维分类数据的同位规则挖掘算法,对后者进行了改进,有效的控制了生成的候选同位模式的规模,减少数据库扫描次数,从而提高了算法的效率。第四章是改进算法在GIS平台上的实现,并以北京市大兴区2005年的经济普查数据为例,分析工业、餐饮业和学校三者间的空间分布规律,得出相关结论。第五章是对本文的工作、创新点以及下一步的研究方向进行总结。