基于模糊聚类的多尺度空间数据挖掘模型及其矿山应用

基于空间数据的尺度特性,提出了多尺度空间数据挖掘的技术思想,建立了同一地理要素在不同尺度下的信息推理模型,即多尺度空间数据挖掘框架模型.以矿井煤层厚度为研究对象,以聚类分析为挖掘技术,实现了多尺度分析思想应用于空间数据挖掘领域的设想,证实了空间数据挖掘领域中的多尺度现象.研究成果丰富和发展了空间数据挖掘的基础理论.     

基于GIS的空间数据挖掘研究综述

空间数据挖掘是数据挖掘的一个重要分支,它对于理解空间数据,寻找空间数据之间、空间与非空间数据之间内在关系,以简洁方式表达空间数据规律起着重要作用。     

地理信息系统中SDM和CBR的应用研究

地理信息系统最初是作为一种信息处理和空间技术出现的.随着社会的进步和经济的发展,空间决策制定的需求日益增长.G IS中含有大量的空间和属性数据,有着比一般关系数据库和事务数据库更加丰富和复杂的语义信息,隐藏着丰富的知识.本文提出了一个智能地理信息系统集成框架,将空间数据挖掘(SDM)和范例推理(CBR)技术应用于其中,加强空间数据、模型分析和表示能力,为决策者提供决策依据,使得决策行为科学化、可视化和直观化.     

空间数据挖掘技术

空间数据挖掘是数据挖掘的一个分支,在地理信息系统、遥感、导航、环境研究以及许多使用空间数据的领域中有着广泛的应用.阐述空间数据挖掘的定义、特点、体系结构与一般过程,介绍空间数据挖掘的方法和知识表达方法,指出空间数据挖掘的主要研究方向,提出开发空间数据挖掘系统的几点思考.     

ORACLE9i支持下的地理信息系统框架演变

对象关系型数据库管理系统Oracle9i提供了一种全新的SQL（Spatial Query Language）、空间数据模型、空间关系规范化及空间操作集。笔者从GIS发展现状出发，阐述了Oracle9i为GIS实现空间数据与属性数据的高效率、集约化、共享性存储提供了基础，群集技术为实现长事务快速相应提供了条件，数据仓库和数据挖掘技术为实现地理对象空间分布变化范围的空间维分析和时间变量变化范围的时间维研究提供了依据。     

基于GIS的决策树算法在空间数据分类中的分析与研究

空间数据挖掘技术的研究一直以来都是数据挖掘中的一个难题。因为空间数据存在着异构性、分散型和多样性的特点。本文主要结合GIS环境下空间数据的特点研究了空间数据分类的方法。     

面向地理信息系统的三维空间数据模型

通过分析三维ＧＩＳ空间数据模型的基本概念、研究进展及所存在的问题,在三维空间实体的形式化定义及空间实体间拓扑关系形式化描述等研究基础上,建立了顾及空间剖分的三维拓扑数据模型。该模型不但可以有效地表达规则形状的空间实体,还可以有效地表达不规则形状的空间实体。它兼顾了基于镶嵌的数据模型和基于矢量的数据模型两种表示方法的优点,为发展三维ＧＩＳ软件提供了一些有益的设想和方法,可以使得系统在数据组织、数据管理、图形恢复上避免不必要的麻烦,并可望使空间查询和空间分析具有高效性     

基于支持向量机的空间数据挖掘流程与实现方法

研究探讨了基于支持向量机的空间数据挖掘工作流程与工作框架,以及基于分类或回归功能的空间数据挖掘实现方法和基于核函数工具实现空间数据结构拓扑关系挖掘的方法。阐述了挖掘工作的重点和关键步骤。     

环境调控空间决策支持系统的设计与实现--福建海岸带环境调控决策支持系统

以福建省海岸带环境调控决策支持系统为例 ,对环境模拟建模、地理信息系统、遥感技术、空间数据仓库与数据挖掘融合而成的环境空间决策支持系统的建设与应用进行了探讨 .首先提出了空间决策支持系统可扩展的体系结构 ,并结合应用需求着重介绍环境空间数据仓库的设计、数据挖掘的过程以及若干环境模拟与评价可扩展模块的实现方法 ,最后给出应用系统的功能框架和系统界面 .     

基于点群分割的空间方向计算模型

提出一种基于点群分割的空间方向计算模型。该模型把目标图形离散成点群,利用平均分割点群的方法对空间目标之间的空间方向进行定量计算。实例研究说明此模型易于实现,具有较高的计算效率,适合地理信息系统在空间关系方面的计算要求,可以为空间数据检索和匹配查询提供有力支持。     

SDML:基于空间数据库的空间数据挖掘语言

设计了一种基于空间数据库的空间数据挖掘语言SDML.根据SDML操作的对象以及挖掘过程的不同阶段,SDML语言可以分为视图操纵语言和模型操纵语言,分别负责对于数据挖掘视图和模型的操作.详细阐述了SDML的设计思想及其设计方案,针对空间泛化和空间关联这两个典型的空间数据挖掘问题,给出了SDML解决方案.     

制图综合中空间关系相似度的集成表达

基于空间关系的概念邻域,研究了空间实体多尺度表达中空间关系变化程度的比较和计算问题.首先从数字景观多尺度表达的角度对空间关系包含的拓扑关系、方位关系、距离关系分别建立了具有适当空间关系分辨率的概念邻域结构,其次,基于已建立的空间关系概念邻域给出了多尺度对象空间关系差异程度的集成表达和度量方法,从而得出了空间关系相似度的计算公式,最后结合实验数据的分析和计算,证明了该空间关系相似度集成表达模型和计算方法的合理性及适用性.     

Research on spatial association rules mining in two direction

In data mining from transaction DB, the relationships between the attributes have been focused, but the relationships between the tuples have not been taken into account. In spatial database, there are relationships between the attributes and the tuples, and most of the associations occur between the tuples, such as adjacent, intersection, overlap and other topological relationships. So the tasks of spatial data association rules mining include mining the relationships between attributes of spatial objects, which are called as vertical direction DM, and the relationships between the tuples, which are called as horizontal direction DM. This paper analyzes the storage models of spatial data, uses for reference the technologies of data mining in transaction DB, defines the spatial data association rule, including vertical direction association rule, horizontal direction association rule and twodirection association rule, discusses the measurement of spatial association rule interestingness, and puts forward the work flows of spatial association rule data mining. During twodirection spatial association rules mining, an algorithm is proposed to get nonspatial itemsets. By virtue of spatial analysis, the spatial relations were transferred into nonspatial associations and the nonspatial itemsets were gotten. Based on the nonspatial itemsets, the Apriori algorithm or other algorithms could be used to get the frequent itemsets and then the spatial association rules come into being. Using spatial DB, the spatial association rules were gotten to validate the algorithm, and the test results show that this algorithm is efficient and can mine the interesting spatial rules.     

Research on spatial association rules mining in two-direction

In data mining from transaction DB, the relationships between the attributes have been focused, but the relationships between the tuples have not been taken into account. In spatial database, there are relationships between the attributes and the tuples, and most of the associations occur between the tuples, such as adjacent, intersection, overlap and other topological relationships. So the tasks of spatial data association rules mining include mining the relationships between attributes of spatial objects, which are called as vertical direction DM, and the relationships between the tuples, which are called as horizontal direction DM. This paper analyzes the storage models of spatial data, uses for reference the technologies of data mining in transaction DB, defines the spatial data association rule, including vertical direction association rule, horizontal direction association rule and two-direction association rule, discusses the measurement of spatial association rule interestingness, and puts forward the work flows of spatial association rule data mining. During two-direction spatial association rules mining, an algorithm is proposed to get non-spatial itemsets. By virtue of spatial analysis, the spatial relations were transferred into non-spatial associations and the non-spatial itemsets were gotten. Based on the non-spatial itemsets, the Apriori algorithm or other algorithms could be used to get the frequent itemsets and then the spatial association rules come into being. Using spatial DB, the spatial association rules were gotten to validate the algorithm, and the test results show that this algorithm is efficient and can mine the interesting spatial rules.     

融合物体空间关系机制的图像摘要生成方法

聚焦于图像中物体间位置关系这一特定信息, 提出一种融合空间关系机制的神经网络图像摘要生成模型, 以期为视觉问答和语音导航等下游任务提供物体方位或轨迹等关键信息。为了增强图像编码器的物体间位置关系学习能力, 通过改进Transformer结构来引入几何注意力机制, 显式地将物体间位置关系融合进物体外观信息中。为了辅助完成面向特定信息的抽取和摘要生成任务, 进一步提出相对位置关系的数据制作方法, 并基于SpatialSense数据集制作物体间位置关系的图像摘要数据集Re-Position。与5个典型模型的对比测评实验结果表明, 所提模型的5个指标在公开测试集COCO上优于其他模型, 全部6个指标在本文制作的Re-Position数据集上优于其他模型。     

UML-G:针对地理信息应用的面向对象建模语言

在分析其他学者的针对GIS的建立的OO(Object-oriented)模型基础上,基于目前已经成为建模技术标准的UML,并利用其扩展机制,包括构造型、标记值和约束,对UML进行扩展,定义了针对地理信息应用的面向对象建模语言UML-G,描述了UML-G的元模型,并采用UML-G对空间对象和空间关系的模型表达进行了研究,包括简单空间对象、覆盖对象、复合空间对象、时态空间对象以及空间关系的表现.通过分析以及相关实例的表述,表明UML-G可以很好地在GIS开发过程中使用,从而使得模型更加简洁并具有更好的表现能力.最后指出了进一步的研究方面.     

具有宽广边界目标的拓扑关系的建立方法

随着空间数据库应用的推广，对空间数据挖掘的探讨越来越深入。作为必要前提的空间目标拓扑关系的建立也成为急需扩展的方向。但是目前讨论的大多数方法并不考虑空间信息的不确定性。这里针对具有宽广边界的目标，介绍一种9-交集矩阵，并对其进行扩展，完善了对具有宽广边界目标建立拓扑关系的方法。     

基于DS理论的不确定空间co-location模式挖掘

 提出一种基于DS理论的co-location挖掘方法.先将数据集按照空间对象分类,然后从分类后的子数据集中依次提取该空间对象的实例,与其他空间对象数据集中的各个实例进行配对,将找到的各实例关系记录到一个新的关系表中,作为使用DS理论求解的基础.从一个新的角度来研究co-location挖掘技术,在DS理论的基础上重新定义了参与度,基于新定义的参与度来求解co-location模式.     

A Voronoi-based spatial algebra for spatial relations

Spatial relation between spatial objects is a very important topic for spatial reasoning, query and analysis in geographical information systems (GIS). The most popular models in current use have fundamental deficiencies in theory. In this paper, a generic algebra for spatial relations is presented, in which (i) appropriate operators from set operators (i.e. union, intersection, difference, difference by, symmetric difference, etc.) are utilized to distinguish the spatial relations between neighboring spatial objects; (ii) three types of values are used for the computational results of set operations-content, dimension and number of connected components; and (iii) a spatial object is treated as a whole but the Voronoi region of an object is employed to enhance its interaction with its neighbours. This algebra overcomes the shortcomings of the existing models and it can effectively describe the relations of spatial objects.