论文部分内容阅读
随着空间数据库的快速增长和广泛使用,如何从空间数据中自动地发现空间知识变得越来越重要。本文首先对空间数据挖掘的现状做了一个简要的介绍,展示了几种主要的空间数据挖掘系统。
空间co-location模式是一组空间事件的子集,它们的实例在地理空间中频繁地一起出现。文章介绍了空间co-location模式的相关概念和定义,介绍了几种挖掘空间co-location模式的算法,指出当前挖掘空间co-locadon模式所遇到的困难在于空间事件的实例分布在连续的空间中并拥有复杂的空间关系,大部分的计算时间用于生成co-location模式中的实例。
由于人类知识具有不完全性、不确定性和不一致性等特点,因而导致在收集的数据源中,模糊性随处可见。本文介绍了模糊数据的表示、模糊数据挖掘的特点和现状,提出希望在模糊数据集上有效地进行空间co-location频繁模式挖掘。在研究过程中,需要对空间模糊实例的模糊语义贴近度进行定义。同时,基于模糊等价划分,本文对“从模糊空间数据集中提取co-location模式”做出了形式化的定义(简称为“模糊co-location挖掘”),设计了如何发现模糊co-location规则的算法。
为了改进挖掘效率,本文借鉴了蚁群算法的思想,分析了蚁群算法的特点和优势,提出一种直接生成任意阶频繁co-location模式的挖掘算法,并在合成数据上进行了实验,对算法的正确性和有效性进行了验证。
文章的最后部分是研究工作的总结,并对今后的研究方向做出了展望。