188宝金博页面版

  • 图案背景
  • 纯色背景
视图
标记
批注
批注本地保存成功，开通会员云端永久保存 去开通
文档窝

上传于：2016-01-30

粉丝量：75

本店资源来源于互联网，版权为原作者所有。若侵犯到您的版权, 请提出指正, 我们将立即删除。


  • 相关
  • 目录
  • 笔记
  • 书签

188宝金博页面版:更多相关文档

  • [精品]时空数据挖掘综述

    星级： 5 页

  • （论文）面向大数据的时空数据挖掘综述

    星级： 7 页

  • 面向大数据的时空数据挖掘综述

    星级： 11 页

  • 面向大数据的时空数据挖掘综述子

    星级： 8 页

  • 面向大数据的时空数据挖掘综述

    星级： 7 页

  • 数据挖掘--数据挖掘综述

    星级： 7 页

  • 时空数据挖掘在环境保护中的应用研究时空保护研究时空数据挖掘环境保护应用

    星级： 71 页

  • 《一次比一次有进步》课件_

    星级： 11 页

  • 数据挖掘综述

    星级： 5 页

  • 数据挖掘综述

    星级： 2 页

  • 数据挖掘综述

    星级： 2 页

  • 数据挖掘综述

    星级： 3 页

  • 数据挖掘综述

    星级： 7 页

  • 数据挖掘综述

    星级： 2 页

  • 数据挖掘综述

    星级： 7 页

暂无目录

点击鼠标右键菜单,创建目录

    暂无笔记

    选择文本，点击鼠标右键菜单，添加笔记

    暂无书签

    在左侧文档中，点击鼠标右键，添加书签

    188宝金博页面版: 时空数据挖掘综述

    下载积分： 50

    内容提示： 第 35卷第 2期2010年 3月测绘科学ScienceofSurveyingandMappingVol.35No.2Mar.作者简介:赵彬彬(1980-), 男, 湖南浏阳人, 讲师, 博士研究生, 主要从事空间关系理论及其在空间数据库更新中的应用研究。E-mail:zbbsir@163.com收稿日期:2008-08-26基金项目:北京大学数字中国研究院为新研究基金项目 (W08SI05);空间信息集成与 3S工程应用北京市重点实验室基金项目 (SI-IBKL08-1-03);江苏省资源环境信息工程重点实验室开放基金项目 (20080101)时空数据挖掘综述赵彬彬 ①② , 李光强 ① , 邓　 敏 ①(①中南大学测绘与国土信息工程系, 长沙　 410083;②长沙...

    文档格式：PDF | 页数：5 | 浏览次数：151 | 上传日期：2016-01-30 09:42:47 | 文档星级：
    第 35卷第 2期2010年 3月测绘科学ScienceofSurveyingandMappingVol.35No.2Mar.作者简介:赵彬彬(1980-), 男, 湖南浏阳人, 讲师, 博士研究生, 主要从事空间关系理论及其在空间数据库更新中的应用研究。E-mail:zbbsir@163.com收稿日期:2008-08-26基金项目:北京大学数字中国研究院为新研究基金项目 (W08SI05);空间信息集成与 3S工程应用北京市重点实验室基金项目 (SI-IBKL08-1-03);江苏省资源环境信息工程重点实验室开放基金项目 (20080101)时空数据挖掘综述赵彬彬 ①② , 李光强 ① , 邓　 敏 ①(①中南大学测绘与国土信息工程系, 长沙　 410083;②长沙理工大学交通运输工程学院, 长沙　 410076)【摘　 要】本文系统阐述了数据挖掘、 空间数据挖掘、 时空数据挖掘的发展历程, 接着介绍了数据挖掘的相关概念, 给出空间数据挖掘和传统知识发现的异同;然后对空间数据挖掘的基本方法与技术进行综述, 在总结当前研究成果的基础上 , 阐述了空间、 时空数据挖掘面临的难题;最后探讨了时空数据挖掘的发展方向和研究热点。【关键词】数据挖掘;空间数据挖掘;时空数据挖掘【中图分类号】TP391 　 【文献标识码】A 　 【文章编号】 1009-2307(2010)02-0062-051　 引言空间数据挖掘 (SpatialDataMiningandKnowledgeDis-covery, 简称 SDMKD或 SDM)指在空间数据库中, 综合利用统计学方法、 模式识别技术、 人工智能方法、 神经网络技术等理论 , 析取新颖的、 可信的、 人们感兴趣的和最终可理解的知识, 从而揭示出蕴含在数据中的规律、 内在联系和发展趋势[ 1 -3]。 空间数据挖掘是按照一定的度量值从空间数据库中抽取空间知识, 以及相关的预处理、 抽样和数据变换的人机交互过程。通常, SDM所挖掘的空间知识主要包括空间关联规则、空间分布特征、 空间分类、 空间聚类[ 1] 等常规模式和例外模式, 一般表现为一组概念、 规则、 法则、 规律、 模式、方程和约束等形式的集合, 是对数据库中数据属性、 模式、频度和对象簇集等的描述。2　 空间数据挖掘与数据挖掘和知识发现1989年 8月举行的第一届 KDD国际学术会议, 从数据库中的知识发现 KDD (KnowledgeDiscoveryinDatabase)在该次会议上被首次提出[ 4], 到目前为止, KDD国际研讨会的研究重点逐渐从发现方法转向系统应用, 注重多种发现策略和技术的集成, 以及多学科间的相互渗透。 在 KDD96国际会议上, Fayyad、 Piatetsky-Shapiro和 Smyth将 DM和KDD定义为:KDD是指从数据库中发现知识的全部过程,DataMining则是全部过程中的一个特定步骤[ 5], 通常二者没有明确界线, KDD和 DM均指从数据中挖掘知识的过程。近年来, 国内的许多科研单位和高等院校竞相开展数据挖掘的研究工作[ 7] ,卢启程、 邹平[ 8] 从广义上将数据挖掘定义为在一些事实或观察的集合中寻找模式的决策支持过程, 数据挖掘的对象不仅限于数据库, 也可以是文件系统或其他任何数据集合, 这样拓宽了数据挖掘的范围和应用领域。SDM是数据挖掘和知识发现 (DataMiningandKnowl-edgeDiscovery, DMKD或简称为 DM)的分支学科, 二者不同之处有:①数据源不同, SDM的对象是空间数据库或空间数据仓库, 而 DM的数据源是常规的事务型数据库;②数据维数不 同, SDM比 DM的 状态空 间增 加了尺 度维(Scale);③挖掘出的知识表现形式不同, DM挖掘出的知识是事务型常规知识, 一般使用简单的概念、 判断、 规则等形式加以表达, 而 SDM挖掘出的知识都是与空间位置、分布等相关的知识, 空间知识表达比常规知识更复杂[ 9]。尽管二者存在许多不同 , 但是 SDM在挖掘空间知识时, 通常先通过数据变换和离散方法, 从空间数据库中构建空间事务库, 然后再用传统 DM方法挖掘空间知识。SDMKD和传统地学数据分析也存在一定的区别和联系。 SDM是从已经存在于空间数据库中的数据内挖掘知识的过程, 而传统地学数据分析更专注于地学数据的直观分析, 进而产生新的信息或专题图。 但是 SDM在挖掘过程中, 有时会使用地学分析工具对数据进行预处理, 或者进行机器学习, 从中探测出相关参数, 进而用于挖掘过程。3　 空间数据挖掘的理论、 方法和技术数据挖掘涉及多个学科, 需要综合使用多种技术, 才能挖掘出令用户满意的结果。 具体来说, 数据挖掘方法可以分为以下几类:3.1　 传统数据挖掘方法[ 9, 10]1)统计学方法统计学方法通过回归分析、 时间序列、 判别分析和因子分析等统计分析方法, 可以从抽样分析中提取未知的数学模型。 其中, 多元统计学方法是数据挖掘应用的重要方法之一[ 1]。2)关联规则挖掘挖掘关联规则就是发现存在于大数据集中的关联性或相关性知识的过程, 用于产生关联规则的方法有很多, 其中以 AGRAWAL[ 11] 等在 1993年提出的 Apriori方法最具影响力。3)决策树方法用树枝状展现训练集数据中各变量的影响情形的预测模型, 根据对目标变量产生的效用, 而建构分类的规则,在问题维数高的领域可以得到很好的分类结果。 常用方法主要有 CART(ClassificationandRegressionTrees)及 CHAID[ 12](Chi-SquareAutomaticInteractionDetector)。4)神经网络方法模拟人脑神经元方法, 以 MP模型和 HEBB学习规则为基础, 建立了三大类神经网络模型:前馈式、 反馈式、 自组织网络, 可以完成分类、 聚类、 特征挖掘等多种数据挖掘任务。5)多层次数据汇总归纳将一个数据集合归纳成更高概念层次信息的数据挖掘技术被称为数据汇总。 概念汇总是将数据库中的相关数据由低概念层抽象到高概念层, 主要有数据立方体和面向对象的归纳两种方法。

    阅读了该文档的用户还阅读了这些文档

    188宝金博页面版:关于我们

    188宝金博页面版:帮助中心

    188宝金博页面版:关注我们

    • 新浪微博

    关注188宝金博页面版公众号

    188宝金博页面版
    阅读
    APP
    阅读
    返回
    顶部
    188宝金博页面版官网登录在线平台入口（2026已更新）—江苏协昌电子科技股份有限公司