同位模式空间数据挖掘算法的研究及在gis中应用的论文

《同位模式空间数据挖掘算法的研究及在gis中应用的论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、●原创性声明本人声明，所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我共同工作的同志对本研究所作的贡献均己在论文中作了明确的说明。作者躲犁日期．堂年』月』日学位论文版权使用授权书本人了解中南大学有关保留、使用学位论文的规定，即：学校有权保留学位论文并根据国家或湖南省有关部门规定送交学位论文，允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内容，可以采用

2、复印、缩印或其它手段保存学位论文。同时授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》，并通过网络向社会公众提供信息服务。作者签名：率新签名蛐虹嗍卫年』月4日摘要空间数据挖掘是指从空间数据库中提取隐含知识、空间关系或者存储在数据库中有意义的特征和模式，它是数据挖掘的一个重要研究方向，随着空间数据库技术的发展以及空间数据的日益累积，空间数据挖掘技术的重要性越发凸显，本文对空间数据挖掘中的同位模式挖掘算法进行了详细的阐述和研究，总结了传统同位挖掘算法的特点和局限性，并在此基础上做出了改进。传统的空间关联规则方法在处理

3、空间关系时不太适用，同位模式的提出很好地解决了挖掘正确有效的空间关联规则的需要。空间同位模式是一些空间特征的集合，这些空间特征的实例因为空间接近性而频繁地聚集在一起。基于KD．Tree的同位模式挖掘算法，是在传统同位模式挖掘的基础上引入了一种高效的空间索引结构，利用KD．Tree来搜索满足空间邻域关系的实例，生成所有的二维同位模式，再利用apriori．gen算法中的连接步骤生成二维以上的同位模式，提高了算法的效率；在此基础之上，结合现实世界中空间数据分布的不均匀性，提出了一种基于密度的同位模式挖掘算法，通过空间分区和引入参与索引的动

4、态上层界限，不必对整个空间中的所有特征实例进行逐一检测确认，减少了邻域关系的检测时间以及连接运算的数目。最后，本文分析了算法的正确性和全面性，并通过实验对算法进行了模拟，实验结果表明本文提出的改进算法较之前的算法提高了运行效率。同时，本文利用组件式GIS实现了基于GIS平台的空间同位模式挖掘模块。关键词空间数据挖掘，同位模式，KD—Tree，apriori—gen，密度ABSTRACTSpatialdatamining(SDM)fromspatialdatabase，whichisasignificantfieldofdatamini

5、ng，istheextractionofimplicitknowledge，spatialrelationsanddiscoveryofinterestingcharacteristicsandpatternswhich‘arenotexplicitlyrepresentedinspatialdatabase．Theimportanceofspatialdataminingismoreevidentbecauseofthegreatdevelopmentofspatialdatabaseandlargeamountsofaccumul

6、ateddata．ThisthesissystematicallydiscussedthebasictheoryofspatialdataminingandspatialCO—locationpattems，andsummedupthecharacteristicsofclassicsminingalgorithms．Thenthepapermakealitterimprovementonthebasisofpreviousalgorithms．Generalstudiesonspatialassociationrulesarebas

7、eonconventionalassociationrulealgorithms．whichtreatspatialdatabasesasusualdatasets．CO-locationpattemsalgorithmsmeetthedemandofminingspatialassociationruleseffectivelyanexactly．SpatialCO．10cationpattemsrepresentthesubsetsoffeatureswhoseinstancesarefrequentlylocatedtogeth

8、erinageographicspace．neCO-locationpattemsminingalgorithmbasedonl①-Treeintroduceaneweffectivegeometricspatialme