基于资源环境数据格网化表达的关联模式发现
传统空间关联模式以空间谓词作为发现逻辑进行知识发现,会导致关联模式侧重空间位置关联,并且挖掘结果受所建立谓词表的限制,存在所发现模式固定、解释自由度差等问题.本文提出一种不依赖于空间谓词的关联模式发现方法,该方法将空间数据进行格网化表达,对格网化结果以平滑移动的N×N掩膜进行多约束事务化,将传统Apriori算法去除属性自连接,然后对所构建的空间事务化数据库进行关联模式探索,抽取有价值的关联模式.最后,以山西省晋城市长河流域为实证研究区,建立煤、地、水空间事务数据库,给出格网化表达的定量误差,探索其隐含空间关联模式,并以同位模式验证了事务化结果的精度.格网化生成覆盖研究区的64 m格网28434个,各数据层格网化误差均在5％以内,以耕地为主因子事务化结果共有记录38310条记录.对抽取的部分关联模式分析表明:发现结果符合长河流域矿农复合区背景下耕地相关的先验知识;该方法能有效提取空间数据及其属性信息中潜在的关联模式,提高了挖掘过程自由度和结果的兴趣度.
空间数据挖掘、格网数据、空间关联模式、Apriori算法
20
国土资源部公益性行业项目201411007.Foundation item:Public Welfare Profession Project of Ministry of Land and Resources of the People's Republic of China, 201411007.
2018-03-07（万方平台首次上网日期，不代表论文的发表时间）
共9页
28-36
