空間數(shù)據(jù)挖掘方法

空間數(shù)據(jù)挖掘是指從空間數(shù)據(jù)庫中抽取沒有清楚表現(xiàn)出來的隱含的知識和空間關(guān)系，并發(fā)現(xiàn)其中有用的特征和模式的理論、方法和技術(shù)。空間數(shù)據(jù)挖掘和知識發(fā)現(xiàn)的過程大致可分為以下多個步驟:數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)選擇、數(shù)據(jù)預(yù)處理、數(shù)據(jù)縮減或者數(shù)據(jù)變換、確定數(shù)據(jù)挖掘目標(biāo)、確定知識發(fā)現(xiàn)算法、數(shù)據(jù)挖掘、模式解釋、知識評價等，而數(shù)據(jù)挖掘只是其中的一個關(guān)鍵步驟。但是為了簡便，人們常常用空間數(shù)據(jù)挖掘來代替空間數(shù)據(jù)挖掘和知識發(fā)現(xiàn)。本文來介紹17種常用的空間數(shù)據(jù)挖掘方法：

1. 空間數(shù)據(jù)挖掘方法之基于概率論的方法。

這是一種通過計算不確定性屬性的概率來挖掘空間知識的方法，所發(fā)現(xiàn)的知識通常被表示成給定條件下某一假設(shè)為真的條件概率。在用誤差矩陣描述遙感分類結(jié)果的不確定性時，可以用這種條件概率作為背景知識來表示不確定性的置信度。

2. 空間數(shù)據(jù)挖掘方法之空間分析方法。

指采用綜合屬性數(shù)據(jù)分析、拓?fù)浞治?、緩沖區(qū)分析、密度分析、距離分析、疊置分析、網(wǎng)絡(luò)分析、地形分析、趨勢面分析、預(yù)測分析等在內(nèi)的分析模型和方法，用以發(fā)現(xiàn)目標(biāo)在空間上的相連、相鄰和共生等關(guān)聯(lián)規(guī)則，或挖掘出目標(biāo)之間的最短路徑、最優(yōu)路徑等知識。目前常用的空間分析方法包括探測性的數(shù)據(jù)分析、空間相鄰關(guān)系挖掘算法、探測性空間分析方法、探測性歸納學(xué)習(xí)方法、圖像分析方法等。

3. 空間數(shù)據(jù)挖掘方法之統(tǒng)計分析方法。

指利用空間對象的有限信息和/或不確定性信息進行統(tǒng)計分析，進而評估、預(yù)測空間對象屬性的特征、統(tǒng)計規(guī)律等知識的方法。它主要運用空間自協(xié)方差結(jié)構(gòu)、變異函數(shù)或與其相關(guān)的自協(xié)變量或局部變量值的相似程度實現(xiàn)包含不確定性的空間數(shù)據(jù)挖掘。

4. 空間數(shù)據(jù)挖掘方法之歸納學(xué)習(xí)方法。

即在一定的知識背景下，對數(shù)據(jù)進行概括和綜合，在空間數(shù)據(jù)庫（數(shù)據(jù)倉庫）中搜索和挖掘一般的規(guī)則和模式的方法。歸納學(xué)習(xí)的算法很多，如由Quinlan提出的著名的C5.0決策樹算法、Han Jiawei教授等提出的面向?qū)傩缘臍w納方法、裴健等人提出的基于空間屬性的歸納方法等。

5. 空間數(shù)據(jù)挖掘方法之空間關(guān)聯(lián)規(guī)則挖掘方法。

即在空間數(shù)據(jù)庫（數(shù)據(jù)倉庫）中搜索和挖掘空間對象（及其屬性）之間的關(guān)聯(lián)關(guān)系的算法。最著名的關(guān)聯(lián)規(guī)則挖掘算法是Agrawal提出的Apriori算法；此外還有程繼華等提出的多層次關(guān)聯(lián)規(guī)則的挖掘算法、許龍飛等提出的廣義關(guān)聯(lián)規(guī)則模型挖掘方法等。

6. 空間數(shù)據(jù)挖掘方法之聚類分析方法。

即根據(jù)實體的特征對其進行聚類或分類，進而發(fā)現(xiàn)數(shù)據(jù)集的整個空間分布規(guī)律和典型模式的方法。常用的聚類方法有K-mean, K-medoids方法、Ester等提出的基于R—樹的數(shù)據(jù)聚焦法及發(fā)現(xiàn)聚合親近關(guān)系和公共特征的算法、周成虎等提出的基于信息熵的時空數(shù)據(jù)分割聚類模型等。

7. 空間數(shù)據(jù)挖掘方法之神經(jīng)網(wǎng)絡(luò)方法。

即通過大量神經(jīng)元構(gòu)成的網(wǎng)絡(luò)來實現(xiàn)自適應(yīng)非線性動態(tài)系統(tǒng)，并使其具有分布存儲、聯(lián)想記憶、大規(guī)模并行處理、自學(xué)習(xí)、自組織、自適應(yīng)等功能的方法；在空間數(shù)據(jù)挖掘中可用來進行分類和聚類知識以及特征的挖掘。

8. 空間數(shù)據(jù)挖掘方法之決策樹方法。

即根據(jù)不同的特征，以樹型結(jié)構(gòu)表示分類或決策集合，進而產(chǎn)生規(guī)則和發(fā)現(xiàn)規(guī)律的方法。采用決策樹方法進行空間數(shù)據(jù)挖掘的基本步驟如下：首先利用訓(xùn)練空間實體集生成測試函數(shù)；其次根據(jù)不同取值建立決策樹的分支，并在每個分支子集中重復(fù)建立下層結(jié)點和分支，形成決策樹；然后對決策樹進行剪枝處理，把決策樹轉(zhuǎn)化為據(jù)以對新實體進行分類的規(guī)則。

9. 空間數(shù)據(jù)挖掘方法之粗集理論。

一種由上近似集和下近似集來構(gòu)成粗集，進而以此為基礎(chǔ)來處理不精確、不確定和不完備信息的智能數(shù)據(jù)決策分析工具，較適于基于屬性不確定性的空間數(shù)據(jù)挖掘。

10. 空間數(shù)據(jù)挖掘方法之基于模糊集合論的方法。

這是一系列利用模糊集合理論描述帶有不確定性的研究對象，對實際問題進行分析和處理的方法?；谀：险摰姆椒ㄔ谶b感圖像的模糊分類、GIS模糊查詢、空間數(shù)據(jù)不確定性表達和處理等方面得到了廣泛應(yīng)用。

11. 空間數(shù)據(jù)挖掘方法之空間特征和趨勢探側(cè)方法。

這是一種基于鄰域圖和鄰域路徑概念的空間數(shù)據(jù)挖掘算法，它通過不同類型屬性或?qū)ο蟪霈F(xiàn)的相對頻率的差異來提取空間規(guī)則。

12.空間數(shù)據(jù)挖掘方法之 基于云理論的方法。

云理論是一種分析不確定信息的新理論，由云模型、不確定性推理和云變換三部分構(gòu)成?；谠评碚摰目臻g數(shù)據(jù)挖掘方法把定性分析和定量計算結(jié)合起來，處理空間對象中融隨機性和模糊性為一體的不確定性屬性；可用于空間關(guān)聯(lián)規(guī)則的挖掘、空間數(shù)據(jù)庫的不確定性查詢等。

13. 空間數(shù)據(jù)挖掘方法之基于證據(jù)理論的方法。

證據(jù)理論是一種通過可信度函數(shù)（度量已有證據(jù)對假設(shè)支持的最低程度）和可能函數(shù)（衡量根據(jù)已有證據(jù)不能否定假設(shè)的最高程度）來處理不確定性信息的理論，可用于具有不確定屬性的空間數(shù)據(jù)挖掘。

14. 空間數(shù)據(jù)挖掘方法之遺傳算法。

這是一種模擬生物進化過程的算法，可對問題的解空間進行高效并行的全局搜索，能在搜索過程中自動獲取和積累有關(guān)搜索空間的知識，并可通過自適應(yīng)機制控制搜索過程以求得最優(yōu)解?？臻g數(shù)據(jù)挖掘中的許多問題，如分類、聚類、預(yù)測等知識的獲取，均可以用遺傳算法來求解。這種方法曾被應(yīng)用于遙感影像數(shù)據(jù)中的特征發(fā)現(xiàn)。

15. 空間數(shù)據(jù)挖掘方法之數(shù)據(jù)可視化方法。

這是一種通過可視化技術(shù)將空間數(shù)據(jù)顯示出來，幫助人們利用視覺分析來尋找數(shù)據(jù)中的結(jié)構(gòu)、特征、模式、趨勢、異常現(xiàn)象或相關(guān)關(guān)系等空間知識的方法。為了確保這種方法行之有效，必須構(gòu)建功能強大的可視化工具和輔助分析工具。

16. 空間數(shù)據(jù)挖掘方法之計算幾何方法。

這是一種利用計算機程序來計算平面點集的Voronoi圖，進而發(fā)現(xiàn)空間知識的方法。利用Voronoi圖可以解決空間拓?fù)潢P(guān)系、數(shù)據(jù)的多尺度表達、自動綜合、空間聚類、空間目標(biāo)的勢力范圍、公共設(shè)施的選址、確定最短路徑等問題。

17. 空間數(shù)據(jù)挖掘方法之空間在線數(shù)據(jù)挖掘。

這是一種基于網(wǎng)絡(luò)的驗證型空間來進行數(shù)據(jù)挖掘和分析的工具。它以多維視圖為基礎(chǔ)，強調(diào)執(zhí)行效率和對用戶命令的及時響應(yīng)，一般以空間數(shù)據(jù)倉庫為直接數(shù)據(jù)源。這種方法通過數(shù)據(jù)分析與報表模塊的查詢和分析工具（如OLAP、決策分析、數(shù)據(jù)挖掘等）完成對信息和知識的提取，以滿足決策的需要。