本站小編為你精心準備了空間數據挖掘探討參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要：

空間數據挖掘方法在測繪實際生產領域具有良好的運用前景，特別是在“數字地球”的應用中初見成效。從數據挖掘及空間數據挖掘的定義入手，分析研究數據挖掘及空間數據挖掘現狀，探討對空間數據進行數據挖掘的方法。

關鍵詞：

空間數據挖掘；數字城市；空間信息學

1引言

上世紀60年代，隨著數據庫的產生及大量原形數據庫的建設，人們對數據庫的研究熱情不斷加強，對數據庫技術的研究也不斷深入。上世紀70年代，研究人員已經把研究的視角從層次、網絡數據庫的方向轉向了關系數據庫，大力發展了數據庫建模工具、數據庫索引及其他分析工具等。進入上世紀80年代，研究者已經能夠在數據模型分析方面，譬如基于對象的模型、基于演繹的模型數據庫等等都得到廣泛應用及深入研究。而后隨著互聯網的不斷發展，數據庫技術的更新也日新月異。但是，數據庫技術的發展隨之也進入一個體量越來越大了、信息獲取難度不斷增加的程度。特別在于，獲取能夠運用于決策層的關鍵信息卻沒有隨著數據庫本身的體量擴大而進一步增加。因而針對數據庫的信息分析與數據挖掘的研究進入研究者的視野。進而，開發能夠從超大體量的數據庫資源中獲取我們所需的關鍵信息的技術工具成為數據庫研究人員的一個重要方向，數據挖掘技術進入了一個全新的時代，數據挖掘技術是一個針對數據庫本體的研究手段，從數據庫本體中發掘高效的有用信息，從而減少了數據資源的采集工作，增加了數據資源的利用效率。

2數據挖掘與空間數據挖掘的定義與研究現狀

數據挖掘，又譯為資料探勘、數據采礦。如圖1所示，即是一個典型的數據挖掘系統的結構圖。數據挖掘是數據庫知識發現中的一個步驟。所謂KDD是在1989年于美國密歇根州底特律市舉行的第11屆國際聯合人工智能學術會議上提出來的一種新型的技術手段。KDD是一個“從數據庫中發現隱含的、先前不知道的、潛在有用的信息的非平凡過程”［1］。數據挖掘一般是指從大量的數據中通過算法搜索隱藏于其中信息的過程。數據挖掘通常與計算機科學有關，并通過統計、在線分析處理、情報檢索、機器學習、專家系統（依靠過去的經驗法則）和模式識別等諸多方法來實現上述目標［2］。現階段，數據挖掘系統已經發展了四代，第一代數據挖掘系統設計相對簡單，一般運用一個或者幾個算法，僅用來挖掘向量數據，而且在進行數據挖掘的工作是，一般一次性調進內存進行處理。第二代數據挖掘系統能夠支持大體量的數據庫和數據倉庫，一般是針對數據庫的接口進行設計，對數據庫中的眾多數據模型能夠良好支持并擁有較強的高維數據、大數據集、復雜數據集的挖掘能力。第三代數據挖掘系統則能夠對網絡數據、高度異質的數據進行挖掘工作，這代數據挖掘系統的關鍵技術在于能夠對異質數據進行相對復雜的預言模型構建及管理這些預言模型的元數據。第四代數據挖掘系統則是在一定程度上對移動系統、嵌入式系統、甚至普遍存在的數據進行復雜程度更高的數據挖掘工作。如圖2所示，四代數據挖掘系統的特征與相關信息。從數據挖掘的定義我們可以很容易得到空間數據挖掘的定義的關鍵所在：即針對空間數據庫的探索，發現空間數據庫的中隱含的、用戶感興趣的或者是空間數據模式亦或者是非空間數據模式的一種數據挖掘技術。隨著研究人員對空間數據庫及數據挖掘技術的不斷深入研究，空間數據挖掘技術取得了長足的進步。這里以加拿大SimonFraser大學開發的數據挖掘軟件DBMiner中的空間數據挖掘擴展模塊———GeoMiner為例，GeoMiner系統包含三大子模塊，分別是空間數據立方體構建模塊、空間聯機分析處理模塊及空間數據挖掘模塊。GeoMiner系統采用人機交互式挖掘模式，在完成數據挖掘工作后能夠即時顯示挖掘結果。GeoMiner系統已經能夠在一定程度上實現數據的自動挖掘工作，但其實現過程仍需要工作人員的不斷干預，因而在自動化方面是研究人員未來重要的探索方向。

3空間數據挖掘常見算法空間

數據挖掘方法按功能的方式可以分為：描述、解釋、預測。下面介紹幾類常用的空間數據挖掘算法［3］：

1）基于概率論的方法基于概率論的方法這里主要是指通過計算不確定性屬性的概率來對空間數據進行數據挖掘的方法。

2）空間分析方法空間分析方法是指采用綜合屬性數據分析、拓撲分析、緩沖區分析、密度分析、距離分析、疊置分析、網絡分析、地形分析、趨勢面分析、預測分析等在內的分析模型和方法，用以發現目標在空間上的相連、相鄰和共生等關聯規則，或挖掘出目標之間的最短路徑、最優路徑等。

3）統計分析方法統計分析方法則主要表現在通過對空間對象的信息采用統計學的方法進行評估、預測等方式進行數據挖掘。

4）歸納學習方法歸納學習方法即運用一定的知識背景的手段，分析提取空間數據庫中的隱含的相關數據。

5）空間關聯規則挖掘方法關聯規則挖掘方法即運用空間數據庫中的數據關聯規律分析其一般的規則和運行模式。

6）聚類分析方法聚類分析方法即根據空間實體特征的一般性總結整個空間的分布規律及其典型運行模式的方法。

7）神經網絡方法神經網絡方法則是通過構建神經元網絡的方法來實現適應非線性動態系統，從而構建其分布存儲、聯想記憶等功能，并使得系統具有自行學習、并行處理的能力。

8）決策樹方法決策樹方法采用的是一種基于樹形表示分類結構的方法，從中發現規律，進而展示規則的數據挖掘算法方案。

9）基于模糊集合論的方法基于模糊集合論的方法主要是利用模糊集合理論中描述帶有不確定性的研究對象來對實際的不確定性問題進行處理的手段與方法。

10）基于云理論的方法基于云理論的方法，主要是利用云理論中關于云模型及不確定性的研究方法對空間數據進行定性分析及定量計算結合處置的方法。

11）遺傳算法遺傳算法則是一種基于生物進化理論的數據挖掘算法，該算法突出的表現在對空間數據的高效并行計算及在處置過程中的自動獲取知識、積累相關參數并實時適應挖掘過程從而得出最優的處理方案。除了以上算法之外，常用的還有數據可視化方法、計算幾何方法、空間在線數據挖掘等等方法，均在一定程度上可以對空間數據挖掘產生有利作用。

4小結

從以上的各種方法分析，我們可以看到數據挖掘工作對空間數據利用非常重要。空間數據的體量及其大，數據結構及其復雜，通過簡單的方式根本不能對空間數據的關鍵信息資源進行利用，只有通過空間數據挖掘的方法，才可以在更加直觀的、立體的平臺上對空間數據進行廣泛而有效的利用。

參考文獻：

［1］百度百科《KDD》

［2］百度百科《數據挖掘》

［3］百度百科《空間數據挖掘》

作者：江建華 單位：江西省基礎測繪院