空间数据挖掘与发展趋势探讨

第２６页地理与地理信息科学第２４卷

库管理系统提供的索引、查询优化等功能获取的空间数据或非空问数据。第二层是空间数据挖掘系统，包括控制器、挖掘处理过程和初步发现的知识。挖掘处理过程是空间数据挖掘系统的核心，包括数据库接口、数据聚焦、模式提取和评估４个模块。其中，数据库接口是用户直接通过空间数据库或数据仓库管理工具交互地选取与任务相关的数据，并对查询和检索结果进行可视化分析和查询优化；数据聚焦是进行对象和属性抽取，得到用于模式识别的数据；模式提取主要运用统计学、机器学习、数据挖掘等技术发现规则和模式；评估是对挖掘的“知识”去除冗余信息。第三层是知识层，是知识的具体运用，如进行空间决策分析等，或将有用的知识通过知识库管理系统存人领域知识库，用于指导搜索或评估结果模式的兴趣度。第四层是用户界面，用多种方式（如可视化工具等）将获取的信息和发现的知识以便于理解的方式反馈给用户，用户也可以通过本地或网络控制空问数据挖掘的每一步。一般空问数据挖掘的多个过程相互连接，需要反复进行人机交互，才能得到令用户满意的结果‘１４１。

－Ｉ用户

本地ｌ局域网ｌ广域网Ｉ

空问数据挖掘图形界面

控制器ｌ

｛｝≤多｛｝｛≥

Ｉ空间数据库Ｉ数据库接口ｌｌ数据聚焦ＩＩ模式提取ＩＩ评估Ｉ

ｌ（空间数据仓｝空间数据结Ｈ对象和屈Ｈ统计学、机器学Ｈ结果验证＇｜

ｆ库）管理系统ｌ构查询优化ｌＩ性提取ｌＩ习、数据挖掘矧ｌ去除冗余ｌ

空间数｛日ｌ挖掘系统

ｌ知识运用ｌＩ知识库管理系统Ｉ

ｆ舂

领域知识库

图Ｉ一种空间数据挖掘的体系结构

Ｆｉｇ．１ＡａｒｃｈｉｔｅｃｔｕｒｅｏｆｓｐａｔｉａｌｄａｔａｍｉｎｊＩ嘻

２．２空间数据挖掘的基本过程

空间数据挖掘的目标是把大量的原始数据转换成有价值的知识，挖掘过程一般可分为［１４］数据清理、数据集成、数据选择、数据变换、空间数据挖掘、模式评估、知识表示等阶段（图２）。数据清理是消除原始数据的噪声或不一致数据；数据集成是将多种数据源组合在一起；数据选择是根据用户的要求从空间数据库中提取与空间数据挖掘相关的数据；数据变换是将数据统一成适合挖掘的形式；空间数据挖掘是运用选定的知识发现算法，从数据中提取用户所需的知识；模式评估是根据某种兴趣度度量并识别表示知识的真正有趣的模式；知识表示就是使用可视化技术和知识表示技术，向用户提供挖掘的知识。不难看出，空问数据挖掘实际上是一个人引导机器、机器帮助人的交互理解数据的过程。

图２空间数据挖掘的基本过程

Ｐｉｇ．２Ｔｈｅｇｅｒ蟹ｒａｌｐｒｏｃｅｓｓｏｆｓｐａｔｉａｌｄａｔａｍｉＩ－ｊｎｇ

３空间数据挖掘的发展趋势

由于空问数据具有海量、非线性、多尺度和模糊性等特点，从空间数据库中提取知识比从传统的关系数据库中提取知识更为困难，这给空间数据挖掘研究带来了挑战。空间数据挖掘在未来的发展中，还有很多理论和方法有待深入研究：１）空间数据挖掘算法和技术的研究瞰’２５］。空间关联规则挖掘算法、时间序列挖掘技术、空问同位算法、空间分类技术、空问离群算法等是空间数据挖掘研究的热点，同时提高空间数据挖掘算法的效率也很重要。２）多源空间数据的预处理［２６＿２８］。空问数据内容包括数字线划数据、影像数据、数字高程模型和地物的属性数据，由于其本身的复杂性与数据采集的困难，空间数据中不可避免地存在着空缺值、噪声数据及不一致数据，多源空间数据的预处理就显得格外重要。３）网络环境下的空间数据挖掘［２９１、可视化数据挖掘［３０，３１］、栅格矢量一体化空间数据挖掘、背景知识概念树的自动生成、基于空问不确定性（位置、属性、时间等）的数据挖掘、递增式数据挖掘、多分辨率及多层次数据挖掘、并行数据挖掘、遥感图像数据库的数据挖掘、多媒体空问数据库的知识发现等Ｆ３２一川。

可以预见，空间数据挖掘不仅会促进空间科学、计算机科学等的发展，而且必将增强人类认识世界、发现知识的能力，从而既５｜子地改造世界，服务人类社会。

参考文献：

［１］ＨＥＲＳＫＯＶＩＴＳＥＨ，ＧＥＲＲＩＮＧＪＰ．Ａｐｐｌｉｃａｔｉｏｎｏｆｄａｔａ—ｍｉｎｉｎｇｍｅｔｈｏｄｂａｓｅｄＢａｙｅｓｉａｎｎｅｔｗｏｒｋｓｔｏｌｅｓｉｏｎ－－ｄｅｆｉｃｉｔ

ｎａｌｙｓｉｓ口］．ＮｅｕｒｏＩｍａｇｅ，２００３，１９（４）：１６６４－－１６７３．

［２］ＥＳＴＭＬＬ－－ＣＡＳＴＲＯＶ．ＬＥＥＬ

Ｃｌｕｓｔｅｒｉｎｇｗｉｔｈｏｂｓｔａｃｌｅｓ

ｆｏｒ

空间数据挖掘与发展趋势探讨

作者：徐胜华， 刘纪平， 胡明远， XU Sheng-hua， LIU Ji-ping， HU Ming-yuan

作者单位：徐胜华,刘纪平,XU Sheng-hua,LIU Ji-ping(中国测绘科学研究院,北京,10003912)， 胡明远,HU Ming-yuan(武汉大学测绘遥感信息工程国家重点实验室,湖北,武汉,430079)

刊名：

地理与地理信息科学

英文刊名：GEOGRAPHY AND GEO-INFORMATION SCIENCE

年，卷(期)：2008,24(3)

1.HERSKOVITS E H;GERRING J P Application of a datamining method based on Bayesian networks to

lesion-defidt analysis[外文期刊] 2003(04)

2.ESTMLL-CASTRO V;LEE L Clustering with obstacles for geographical data mining[外文期刊] 2004(1-2)

3.KANEVSKI M;PARKIN R;POZDNUKHOV A Environrnental data mining and modeling based on machine learning algorithms and geostatistics[外文期刊] 2004(09)

4.李德仁;王树良;史文中论空间数据挖掘和知识发现[期刊论文]-武汉大学学报(信息科学版) 2001(06)

5.邸凯昌;李德仁;李德毅Rough集理论及其在GIS属性分析和知识发现中的应用[期刊论文]-武汉测绘科技大学学报 1999(01)

6.邸凯昌;李德仁;李德毅云理论及其在空间数据发掘和知识发现中的应用[期刊论文]-中国图象图形学报

1999(11)

7.MURRAY A T;WSTIVILL-CASTRO V Cluster discovery techniques for exploratory spatial data analysis 1998(05)

8.RAYMOND T N;HAN J CLARANS:A method for clustering objects for spatial data mining 2002(05)

9.BEGEJA L;DRUCKER H;GIBBON D Semantic data mining of short utterances[外文期刊] 2005(05)

10.KEIM D A;PANSE C;SIPS M Pixel based visual data mining of geo-spatial data[外文期刊] 2004(03)

11.孙连英;彭苏萍;张德政基于超图模型的空间数据挖掘[期刊论文]-计算机工程与应用 2002(11)

12.段晓君;杜小勇;易东云可视化数据挖掘技术及其应用[期刊论文]-计算机应用 2000(01)

13.ESTIVILL-CASTRO V;HOULE M E Robust distancebased clustering with applications to spatial data mining 2001(02)

14.周海燕空间数据挖掘的研究[学位论文] 2003

15.李德毅发现状态空间理论 1994(11)

16.李德仁;王树良;李德毅论空间数据挖掘和知识发现的理论与方法[期刊论文]-武汉大学学报（信息科学版）2002(03)

17.CHEN Y L;CHEN J M;TUNGC W A data mining approach for retail knowledge discovery with consideration of the effect of shelf-space adjacency on sales[外文期刊] 2006(03)

18.LEEA JT;HONGRW;KOWM Mining spatial association rules in image databases[外文期刊] 2007(07)

19.WANGW;YANG J;MuNTZ R An approach to active spatial data mining based on statistical information [外文期刊] 2000(05)

20.蒋良孝;蔡之华空问数据挖掘的回顾与展望 2003(06)

21.HAN J;KAMBER M;范明数据挖掘概念与技术 2001

22.MALONE J;MOGARRY K;BOWERMAN C Automated trend analysis of proteomics data using an intelligent