论文部分内容阅读
随着空间数据的大量积累,能够从大量空间数据中自动、快速、有效地发现知识的空间数据挖掘(Spatial data mining,SDM)技术得到了广泛的关注.地理信息系统(Geographical Information System,GIS)是用来存储、处理和显示空间数据的主要工具.将空间数据挖掘与GIS集成,可以充分利用两者的优势,构造高效的空间知识发现和决策支持系统,成为近年来研究的热点.空间数据挖掘与GIS集成主要存在着下述关键技术问题:(1)空间数据模型与挖掘数据模型不一致;(2)缺乏通用空间数据挖掘建模语言;(3)图形用户界面难以设计.该文在分析、总结现有研究成果的基础上,针对上述关键问题进行研究,设计并实现了一个基于SISP系统的空间数据挖掘原型系统,完成了一些有创新性的工作,并取得了一些有特色的成果:1.空间数据适配器.该组件采用分层抽象与转换的方法,解决了两种数据模型不一致的问题.空间数据适配器将空间数据模型平滑地转换为挖掘数据模型,不仅解决了语法不一致的问题,还弥合了两种数据模型之间的语义差别,从而保证了转换过程中语义信息的完整性,并较好地解决了空间数据挖掘技术中的两个主要问题:空间数据类型复杂和空间关系难以处理.2.空间数据挖掘算法库.算法库支持三类主要的空间数据挖掘任务:空间关联分析、空间分类和空间聚类分析.系统中实现了几种高效的空间数据挖掘算法,在此基础上,开发了一种新的改进算法DBSCANCC.算法库的设计具有比较好的开放性和可扩展性.3.通用空间数据挖掘建模语言SPMML(Spatial Predictive Model Makeup Language).SPMML在标准数据挖掘建模语言PMML(Predictive Model Markup Language)的基础上进行空间扩展,增加了空间数据类型、空间数据转换、空间数据挖掘模型等空间数据挖掘特有内容的定义.SPMML支持对部分GIS空间分析结果的建模.SPMML定义的模型可以容易地与PMML模型相互转换,具有较好的开放性,是在空间数据挖掘建模及标准化领域的有益探索.4.友好的图形用户界面.充分利用了现有的图形用户界面表现技术,支持整个空间数据挖掘流程,并且较好地解决了界面复杂、难操作的问题.同时,系统充分利用了SISP的空间数据可视化能力来增强空间数据挖掘结果的展现,使挖掘结果更易于理解和解释.在上述空间数据挖掘适配器、算法库、建模语言和图形用户界面等工作的基础上,该文实现了一个基于SISP的空间数据挖掘原型系统.并在东北黑土区退化研究课题中应用.该文的研究工作得到了国家高技术研究发展计划(863计划)课题《空间信息分析关键技术及原型研发》(No.2002AA135230-1)的支持.