空间数据挖掘及其不确定性研究-计算机软件与理论专业毕业论文.docx

目 录 摘 要 Abstract 1 绪论 1 1.1 背景和意义： 1 1.2 国内外研究现状 1 1.3 主要研究内容 2 1.4 本文组织与结构 3 2 空间数据挖掘理论 4 2.1 空间数据挖掘基础理论 4 2.1.1 空间数据挖掘的提出 4 2.1.2 空间数据挖掘的特点 5 2.2 空间数据挖掘的体系结构 5 2.3 空间数据挖掘的常用方法 6 2.4 空间数据挖掘的流程简介 7 2.5 空间数据挖掘结果表达 8 2.6 本章小结 9 3 空间数据挖掘算法研究 10 3.1 聚类分析基础知识 10 3.2 聚类分析判断原理 11 3.2.1 距离判断 11 3.2.2 相似系数判断 13 3.3 基于密度的聚类分析算法 13 3.3.1 基于密度的空间聚类算法 13 3.3.2 DBSCAN 算法介绍 14 3.3.3 算法思想 15 3.3.4 DBSCAN 算法改进研究 16 3.4 实例分析及结论 21 3.5 本章小结 24 4 空间数据挖掘中的不确定性理论 25 4.1 基础知识 25 4.2 来源与传播 26 4.3 方法讨论 26 4.4 本章小结 28 5 模糊不确定性算法研究 29 5.1 模糊多元模型 29 5.1.1 模型原理 29 5.1.2 模糊多元关系的建立 30 5.1.3 基本运算 32 5.2 模糊多元模型的 Ma-Mi 合成方法 33 5.3 多元模型的 Ma-Mi 传递 34 5.4 模糊规则的合成法则 35 5.4.1 模糊逻辑 35 5.4.2 模糊规则的合成方法 36 5.5 模糊状态的确定 38 5.5.1 多状态下模糊规则状态的合成 38 5.5.2 可确定度 40 5.5.3 模糊状态可确定区域的计算方法 41 5.6 实例分析及结论 41 5.7 本章小结 45 结论与展望 46 参 考 文 献 48 附录 A 附录内容名称 49 作 者 简 历 50 学位论文数据集 52 PAGE PAGE 10 1 绪论 1.1 背景和意义： 空间数据挖掘作为一种重要的数据挖掘方法，信息的获取手段，正在不断的应用到社 会各个领域，使其具有更高的利用价值以及更好的未来展望。 空间数据挖掘的定义：将空间数据库中的原始数据转化为更为简洁的信息，发现隐含 的、有潜在用途的空间或非空间模型和普遍特征的过程。 目前有很多关于空间数据挖掘的研究方法，但无论哪种，最后的结论一定存在大小不 一的误差，它就是空间数据挖掘过程及结果的不确定性。现在大部分不确定性的研究主要 是针对位置的不确定性进行研究，其不确定性主要是用 x，y 轴的精度来表示，比如原始 数据精度测量改进，角度精度，精细成都等等，比较常用的指标。 1.2 国内外研究现状 当前全球对空间数据挖掘和数据发现的研讨，不管是在各个方面都有很大的进步。但 是，因为空间数据库和关系数据库存储方式不同，使得常用数据挖掘的一些方法不一定可 以应用在空间数据挖掘上面，所以空间数据挖掘依然有很多需要探索和进步的地方。 加拿大的西蒙弗雷(SimonFraser)大学、德国的慕尼黑大学、芬兰赫尔辛基大学以及美 国、澳大利亚等国家的许多大学和研究所，都有较为著名的研究成果报道。这些研究的重 点是提高原有数据挖掘算法在空间数据库上的执行效率。 另一方面，空间数据质量己成为一个世界各国高度关注的科学热点、难题。在理论上， 空间数据质量与不确定理论被视为地球空间信息科学核心理论之一；而在应用中，空间数 据挖掘质量则是地理信息系统建立和实施的核心问题。 早在 20 世纪 60~70 年代，一些学者采用数理统计学原理对空间数据的不确定性展开分 析。1960 年，Malling 等首先采用统计学分析制图问题；1969 年，Frolov 建立拓扑匹配误 差公式，讨论空间操作运算的精度；1975 年，switzer 提出一种估计从矢量到栅格数据转换 精度的方法，MacDougall 用实例说明了不考虑空间数据误差所带来的严重后果；1978 年， MichaelGoodehild 给出了检验多边形叠置过程中产生的无意义多边形的统计量运算。到了 80 年代，除了继续采用统计学原理进行研究外，开始进行影像分类和判读过程中的误差分 析。具有代表意义主要有：1982 年，Chrisman 引入著名的“ε-误差带”，以后被许多学者 发展；1983 年，Congalto 和 Mead 将 Kappa 系数引入遥感数据处理，来评判遥感数据的解 译结果与验证数据的一致性；1986 年，Burrough、Goodehikl 和 Gopal 对空间数据误差的 重要研究成果进行了系统总结 90