状态扩展元胞自动机模型在时空数据挖掘中的应用.pdfVIP

第 33 卷 第 6 期 武 汉 大 学 学 报 ·信 息 科 学 版 Vol . 33 No . 6 2008 年 6 月 Geomatics and Information Science of Wuhan U niver sit y J une 2008 文章编号 :167 18860 (2008) 文献标志码 :A 状态扩展元胞自动机模型在时空 数据挖掘中的应用 1 ,2 3 4 5 喻永平 　陈晓勇 　刘经南 　都 　洁 ( 1 　广州市城市规划勘测设计研究院 ,广州市建设二马路 23 号 ,5 10060) (2 　武汉大学测绘遥感信息工程国家重点实验室 , 武汉市珞喻路 129 号 , 430079) (3 　亚洲理工学院空间技术应用研究系 , 泰国曼谷 ,12 120) (4 　武汉大学校长办公室 ,武汉市珞珈山,430072 ) (5 　武汉大学 GPS 研究中心 ,武汉市珞喻路 129 号 ,430079) 摘 　要 :引入状态扩展元胞自动机模型对时空数据进行挖掘 ,其核心是引入可以量化的属性和不可量化的状 态对元胞状态进行扩展 ,解决时空数据挖掘中数据稀疏性和属性数据交互性问题 ,采用遗传算法寻找元胞 自 动机模型的最优规则 。实验结果表明 ,对于复杂的非线性和数据稀疏性问题 ,利用该方法能得到比传统方法 更好的结果 。 关键词 :元胞自动机 ; 遗传算法 ; 时空数据挖掘 ; 模式识别 ; 智能地理信息系统 中图法分类号 :P208 　　地理系统是复杂的时空演变系统 ,地理现象 的变化是在环境和人为共同作用下的变化 ,寻找 地理现象变化规律一直都是地理学者研究的重 点 。数据挖掘就是要从海量的数据中挖掘出隐含 的、未知的、潜在的有用知识 ,从而为决策支持服 务 。 ( ) 元胞自动机 CA 模型是典型的时空动态变 化模型 , 已经应用到地理学领域 。CA 模型研究 的关键是演变规则 ,常见的建模方法有参数化过 程建模和启发式建模 ,都由地理现象变化的专家 图 1 　标准元胞 自动机模型图 知识获取模型规则 。本文将状态扩展 CA 模型应 Fig . 1 　The St andar d Cellular Automat a Model 用到数据稀疏性和属性数据交互性的地理现象 型进行适当扩展 ,就会成为 良好的时空数据挖掘 中 ,对时空数据进行挖掘 。 模型 。但由于地理现象的复杂性 ,难以定义一个 统一的模型框架 。本文 CA 模型主要研究地理现 1 　状态扩展 CA 模型 象的时空分布演变规律 。 状态扩展 CA 模型定义如下 : CA 是一种时间、空间、状态都离散 , 空间相 ( ) CA = { F , L