空间数据挖掘分类算法研究

《空间数据挖掘分类算法研究》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、分类号!殴丛鳗重庆邮电大学硕士学位论文英文题目重量墨鱼堑殳hQ￡g!箜墨i鱼鱼堑iQn△!gQ!i鱼盟i照曼卫丛i垒!旦i堕丛ini垒g硕士研究生芷猩坐指导教师玺壅壶型逖，学科专业盐差壑超用撞盎论文提交日期星QQ鱼生墨旦论文答辩日期2QQ窆生量且垫旦论文评阅人答辩委员会主席———互塑堑晦——j医逸-j劾轻L2009年5月22日独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。据我所知，除了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，也不包含为获得重庆邮电太堂或其他教育

2、机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。靴敝储擗。粥辩醐一卞月?学位论文版权使用授权书本学位论文作者完全了解重废邮电太堂有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权重麽查E电太堂可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名：导师签名：獬芸．签字日期：．z缈1年y月砚日签字P期：z臼

3、of了月22日重庆邮电大学硕士论文摘要空间数据挖掘就是从空间数据库中抽取隐含的、以前未知、潜在有用的知识的过程，其应用涉及到国民经济与国防军事的各个方面，如地理信息系统GIS、气象领域、远程遥感、交通控制、城市规划、环境研究、地理经济、军事战略评估等。因此空间数据挖掘是一个很有发展前景的领域，也是目前的研究热点，而以人工智能技术为基础的分类算法为空间数据挖掘提供了新的支撑技术。分类在数据挖掘中是一项非常重要的方法，正是在这种背景下对空间数据挖掘的分类算法进行了研究。论文主要从以下三个方面开展工作：首先，对空间数据挖掘中的技术之一数据分

4、类进行研究。详细分析了现阶段比较常用的分类算法以及各自的优劣之后，重点分析了KNN(K．NearestNeighbor)分类方法的思想，总结出了传统KNN存在的三个缺陷。‘其次，比较了模糊粗糙KNN相对传统KNN方法的优势之后，从模糊粗糙KNN方法出发，基于先聚集后分类的思想，对模糊粗糙KNN方法进行了改进实现，改进的方法比模糊粗糙集KNN方法具有更好的时间性能，因此适合处理具有较大数据量的数据集。最后，论文对改进的方法进行了详细而广泛的实验。实验主要分为两部分：首先验证参数对改进的方法的影响，接下来比较改进的方法与模糊粗糙KNN方法

5、在数据量及属性个数变化后的可扩展性。实验显示了改进的方法在处理大数据集时的优势。综上，论文从理论研究，实验验证两个层面进行，理论分析和实验验证了改进的方法的有效性和正确性。关键词：空间数据挖掘，分类，KNN，聚集AbstractSpatialdataminingisdefinedasthenontrivialprocessofextractingthehidden，identifyingvalid，novel，potentiallyusefulandultimatelyunderstandablepatternsorknowledge

6、fromspatialdatabases．TheapplicationsofthespatialdataminingiswidelyinvolvedinnationaleconomyandnationaldefensesuchasinGIS，meteorology，remotesensing，conlmunicationcontrol，cityplanning，enVironmentinVestigation，geo．economicsandmilitarygameeValuationetc．Therefore，spatialdata

7、miningisafieldwithapromisingprospect，anditisahotspotofcurrentstudies．MoreoVer，classificationalgorithmsbasedonartincialintelligence(AI)givespatialdataminingsomestrongsupports．ClassificationisaVeryimportantmethodindatamining．ItisundersuchabackgroundthattheauthorefIfectiVe

8、lystudiesthecorrespondingkeytechnoIogyonspatialdatamining．Themainworkofthispaperincludesthreeaspects：First，dat