数字地质图核心元数据研究

空间数据的应用随着因特网技术的普及赵来越广泛，普遍应用于资源管理与优化配置、环境评价与保护、人口、交通、规划等与区域经济可持续发展有关的决策之中。对于空间数据的管理者、用户等而言，如何合理地使用空间数据，从中挖掘和发现新知识，使决策结果更加科学、合理、可靠，已经成为地理信息产业界和学术界日趋关心的焦点问题。空间数据元数据是解决这一问题的关键技术之一。本文对空间数据元数据从理论上进行了探讨，并以矿产资源勘查评价过程中的数字地质图空间数据元数据为例，建立了数字地质图核心元数据示范标准，在实际应用中取得了良好的效果。     

分布协作式对等网络中大规模空间数据挖掘方法研究

分布协作式对等网络较为复杂,而空间数据规模大,当前数据挖掘方法很难实现对其的准确挖掘。为此,提出一种新的分布协作式对等网络中大规模空间数据挖掘方法,给出分布协作式对等网络的GIS应用架构,在此基础上对分布协作式对等网络进行无向环路遍历,获取分布协作式网络的全部环路,挖掘出目的空间数据所属社区。通过痕迹系数判断目的空间数据流是否经过该社区,如果目标空间数据流经过该社区,则通过计算相关系数获取某个时刻目标空间数据流在社区中的位置,从而实现大规模空间数据挖掘。实验结果表明,采用所提方法对分布协作式对等网络中大规模空间数据进行挖掘,有很高的挖掘有效性,而且挖掘效率和挖掘精度均较高。     

空间数据库的构造与实现

随着计算机技术的出现和快速发展,对空间图形数据和空间属性数据进行统一管理的地理信息系统也随之发展起来.在此基础上进行空间数据的挖掘和管理也具有了日益重要的意义.本文从空间数据的概念和定义出发,系统地论述了空间数据的采集、处理及存储的方法,从实践的角度介绍了空间数据库的构造与实现过程.     

空间数据管理与3S技术

GIS所涉及的主要是空间数据，故GIS数据库的研究与空间数据结构的管理模式相关。本文介绍了几种GIS空间数据的管理模式，并着重探讨了基于XML的空间数据管理模式及在GPS中如何进行空间数据管理．最后讨论了有关3S集成的问题。     

数字地质图核心元数据研究

空间数据的应用随着因特网技术的普及越来越广泛,普遍应用于资源管理与优化配置、环境评价与保护、人口、交通、规划等与区域经济可持续发展有关的决策之中。对于空间数据的管理者、用户等而言,如何合理地使用空间数据,从中挖掘和发现新知识,使决策结果更加科学、合理、可靠,已经成为地理信息产业界和学术界日趋关心的焦点问题。空间数据元数据是解决这一问题的关键技术之一。本文对空间数据元数据从理论上进行了探讨,并以矿产资源勘查评价过程中的数字地质图空间数据元数据为例,建立了数字地质图核心元数据示范标准,在实际应用中取得了良好的效果。     

浅谈地图空间数据的质量控制

地图空间数据是有关空间位置、专题特征以及时间信息的符号记录，而数据质量是空间数据在表达基本要素时所能达到的准确性、一致性、完整性以及它们三者之间统一性的程度。由于现实世界的复杂性、模糊性以及人类认识和表达能力的局限性，空间数据在表达上不可能完全达到真值，只能在一定程度上接近真值，用户根据需要对空间数据的处理（如删减、扩充等）也会导致出现一定的质量问题。所以空间数据的误差产生于各种数据源及空间数据的输入和处理过程中。本文将对空间数据的误差来源进行分析，并以地图数字化为例说明空间数据质量控制方法。     

DIGMAP的数据组织与MAPOBJ控件

介绍了DigMap地理信息系统的空间数据组织，包括空间数据组织的层次、图幅处理单元的数据结构及空间数据与属性数据管理等。在此基础上，介绍了基于这一数据组织模式的GIS控件——MapObj的基本功能及用户接口。最后，并就MapObj的实际应用进行了介绍。     

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。     

基于并行计算的空间co-location模式挖掘

提出适合并行计算的空间数据分区算法,并在此基础上提出基于并行计算的空间co-location挖掘算法.在三类数据集上做了大量的实验.实验结果表明,基于并行计算的算法在很大程度上提高了挖掘的效率,为进行空间大数据的挖掘提供了有效且快速的方法.     

供水管网GIS中空间数据挖掘的研究与应用

以地理信息系统(GIS)为基础,详细讨论了数据挖掘、空间数据统计技术在城市供水管网维护中的应用,并针对空间数据库中数据的挖掘方法进行了分析和研究,实现了利用空间数据库中数据的挖掘方法对城市供水管网的维护.     

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.     

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.     

基于空间数据库的数据挖掘技术

探讨扩展传统数据挖掘方法如分类、关联规则、聚类等到空间数据库的方法，着重对空间数据库系统实现技术及空间数据挖掘系统等进行比较分析，提出了一种空间数据挖掘系统的实现模式。     

空间数据挖掘技术及其智能推理体系结构

面对数据的数量和复杂性急剧增加的问题,首先讨论了数据挖掘技术的研究进展,并对数据挖掘在空间数据库中的应用进行了深入地探讨。然后提出三种基于空间数据挖掘、空间数据仓库、智能决策支持系统（IDSS）和范例推理（CBR）技术的智能推理体系结构,并对这三种体系结构的优劣进行了分析对比,其中以第三种结构为优。最后对空间数据挖掘在各领域中的应用前景以及有待解决的问题进行了展望。     

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.     

空间数据挖掘视角

为了满足不同用户在不同条件下对空间数据挖掘的不同要求,该文提出空间数据挖掘视角。空间数据挖掘视角在描述不同数据挖掘需求的基础上,利用一定的数据挖掘算法,从大量空间数据中发现不同粒度的空间知识。首先研究空间数据挖掘视角的内涵和外延,其次给出空间数据挖掘视角的算法,最后把空间数据挖掘视角应用于滑坡监测数据的挖掘,结果令人满意。     

空间数据库的数据挖掘

分析了传统数据挖掘方法面临的问题,介绍了空间数据挖掘的基本特征和空间数据库的知识发现过程,论述了几种空间数据挖掘的方法。     

基于聚类的空间数据挖掘系统的设计与实现

空间数据挖掘系统是指从空间数据库中提取隐含数据特征的决策支持系统．本文将采关分析、空间数据挖掘和地理信息系统三者紧密联系起来，并结合土地利用数据库，以聚类的方法对空间数据挖掘系统的设计和实现进行了详细地阐述．     

基于GIS的空间数据挖掘技术

如何从海量数据中提取对人们有价值的信息已经成为一个非常迫切的问题。本文从地理信息系统(GIS)方面研究了如何解决这个问题，介绍了空间数据挖掘(SDM)的理论、方法和一般处理过程，并给出了基于GIS的空间数据挖掘的框架结构。