空间关联规则挖掘.ppt

空间关联规则挖掘 姓名：徐博轩学号：T学院：环境与测绘学院 目 录 什么是GIS 空间关联规则挖掘 面向主题的空间关联规则挖掘 空间关联规则挖掘发展趋势 什么是GIS 地理信息系统是一种在计算机软件，硬件支持下，把各种地理信息和环境参数按空间分布或地理坐标，以一定格式输入，存储，检索，显示和综合分析应用的技术系统，是多种学科交叉的产物。 GIS基本概念 GIS与各学科关系 GIS 地理学 遥感技术 制图技术 计算机科学 软件工程 数据库技术 计算机图形学 CAD 专家系统 1、理论基础 2、为空间分析提供方法 1、都是基于地理信息的表达 2.Gis的重要数据来源 空间数据的主要采集手段，与GIS互补 GIS基础分析 这些GIS基本分析可以完成地形分析、路网分析、城市规划绿地分析、社会经济分析等。 叠加分析 缓冲分析 距离和密度分析 其它二维分析 可视化分析 地统计分析 数据挖掘 北京就业密度三维图 1996-2004年就业密度变化图 案例： 北京市就业结构统计分析 案例： 长三角城市聚类分析 按照城市化发展水平（共21个指标）使用聚类分析。 空间数据挖掘和知识发现(SDMKD)兴起于20世纪90年代,本质是从空间数据库中提取不明确和隐含的知识、空间关系等,目的是发现、解释或预测空间现象或事件,其中空间关联规则是空间数据挖掘的重要知识内容。 空间关联规则( spatial association rules) 指的是空间实体间相邻、相连、共生和包含等空间关联规则,发现的知识通常用关联规则或频繁项集的形式表示。 空间关联规则挖掘 如G1 ∧?∧Gm →H1 ∧?∧Hn (s%,c %) ,令G= G1 ∧?∧Gm 为规则前件,H = H1 ∧?∧Hn 为规则后件。c %是此规则的可信度 如果谓词“G∧H”,在集合S 上是频繁的且规则“G→H/ S”的可信度较高,则称“G→H/ S”为强规则。 G在集合S 中的支持度S 定义为满足G的对象数量与S 中对象数量之比,记为б(G/ S) 。规则G→H 在集合S 中的可信度定义为б(G∧H/ S) 与б(G/ S) 之比,记为φ(G→H/ S) 。 如果G的支持度不低于概念层次第k 层的最小支持度阈值б’k , 则谓词G在集合S 的第k 层是频繁的,且G的所有祖先在相应的概念层次上也较频繁。如果可信度不低于相应层的可信度阈值φ’k ,则规则”G→H/ S”在集合S 的第k层较高 空间关联规则挖掘 (1)空间拓扑关系 topology relation={disjoin,intersect,adjacent to,cover,covered by…} (2)空间距离关系 确定区域距离是一个复杂的工作,因为要充分考虑空间对象自身的大小在距离度量上的重要性。 Distance={close_to,far-away…} (3)方向关系 Direction={left,right,north,east,northeast…} 例：is_a(X,”housel”)^close_to(X,”beach”)=is_expensive(X)[85%,90%] 空间关系 常用算法的数据流程图 主要是针对减少有哪些信誉好的足球投注网站频繁项集的次数,以及如何有效地对空间关系进行概化。据此,可将几种改进方法分为: ②基于空间复杂性的优化 ①基于时间复杂性的优化。 针对基本关联规则算法的改进 时间复杂性主要是有哪些信誉好的足球投注网站计算频繁谓词的次数,有效缩小有哪些信誉好的足球投注网站频繁项的频率,即降低算法的时间复杂度 基于规则模板的模型 基于模糊逻辑的近似区域表示模型 案例 预测雷电频发区域中杆塔发生故障的规则。在雷电频发区域中杆塔发生故障有以下情况: (1)由于杆塔被雷击引起跳闸,发生故障;(2)由于杆塔污染严重,发生故障。 面向主题的空间关联规则挖掘 第一步: 对矢量数据图进行数据预处理(空缺数据填充，连续属性数据离 散…) 第二步：数据库-Task_DB-MBR谓词存贮在空间数据库Coarse_DB中 第三步：为Coarse_DB中的每个谓词计算支持度和可信度，过滤形成形 成数据库Frequent_coarse_DB。(1)使用最小边界矩形(MBR) 结构进行近似空间运算;(2)计算粗略的空间谓词） 第四步：采用MRR技术对第三步以后的进行检查，形成Fine_DB. 第五步: 采用Apriori算法在Fine_D