空間數(shù)據(jù)挖掘是指從空間數(shù)據(jù)庫中抽取沒有清楚表現(xiàn)出來的隱含的知識和空間關(guān)系，并發(fā)現(xiàn)其中有用的特征和模式的理論、方法和技術(shù)。 空間數(shù)據(jù)挖掘和知識發(fā)現(xiàn)的過程大致可分為以下多個步驟:數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)選擇、數(shù)據(jù)預(yù)處理、數(shù)據(jù)縮減或者數(shù)據(jù)變換、確定數(shù)據(jù)挖掘目標(biāo)、確定知識發(fā)現(xiàn)算法、數(shù)據(jù)挖掘、模式解釋、知識評價等，而數(shù)據(jù)挖掘只是其中的一個關(guān)鍵步驟。但是為了簡便，人們常常用空間數(shù)據(jù)挖掘來代替空間數(shù)據(jù)挖掘和知識發(fā)現(xiàn)。

常用的空間數(shù)據(jù)挖掘方法主要有：
1.基于概率論的方法。這是一種通過計算不確定性屬性的概率來挖掘空間知識的方法，所發(fā)現(xiàn)的知識通常被表示成給定條件下某一假設(shè)為真的條件概率。在用誤差矩陣描述遙感分類結(jié)果的不確定性時，可以用這種條件概率作為背景知識來表示不確定性的置信度。
2.空間分析方法。指采用綜合屬性數(shù)據(jù)分析、拓撲分析、緩沖區(qū)分析、密度分析、距離分析、疊置分析、網(wǎng)絡(luò)分析、地形分析、趨勢面分析、預(yù)測分析等在內(nèi)的分析模型和方法，用以發(fā)現(xiàn)目標(biāo)在空間上的相連、相鄰和共生等關(guān)聯(lián)規(guī)則，或挖掘出目標(biāo)之間的最短路徑、最優(yōu)路徑等知識。目前常用的空間分析方法包括探測性的數(shù)據(jù)分析、空間相鄰關(guān)系挖掘算法、探測性空間分析方法、探測性歸納學(xué)習(xí)方法、圖像分析方法等。
3.統(tǒng)計分析方法。指利用空間對象的有限信息和/或不確定性信息進行統(tǒng)計分析，進而評估、預(yù)測空間對象屬性的特征、統(tǒng)計規(guī)律等知識的方法。它主要運用空間自協(xié)方差結(jié)構(gòu)、變異函數(shù)或與其相關(guān)的自協(xié)變量或局部變量值的相似程度實現(xiàn)包含不確定性的空間數(shù)據(jù)挖掘。
4.歸納學(xué)習(xí)方法。即在一定的知識背景下，對數(shù)據(jù)進行概括和綜合，在空間數(shù)據(jù)庫（數(shù)據(jù)倉庫）中搜索和挖掘一般的規(guī)則和模式的方法。歸納學(xué)習(xí)的算法很多，如由Quinlan提出的著名的C5.0決策樹算法、Han Jiawei教授等提出的面向?qū)傩缘臍w納方法、裴健等人提出的基于空間屬性的歸納方法等。
5.空間關(guān)聯(lián)規(guī)則挖掘方法。即在空間數(shù)據(jù)庫（數(shù)據(jù)倉庫）中搜索和挖掘空間對象（及其屬性）之間的關(guān)聯(lián)關(guān)系的算法。最著名的關(guān)聯(lián)規(guī)則挖掘算法是Agrawal提出的Apriori算法；此外還有程繼華等提出的多層次關(guān)聯(lián)規(guī)則的挖掘算法、許龍飛等提出的廣義關(guān)聯(lián)規(guī)則模型挖掘方法等。
6.聚類分析方法。即根據(jù)實體的特征對其進行聚類或分類，進而發(fā)現(xiàn)數(shù)據(jù)集的整個空間分布規(guī)律和典型模式的方法。常用的聚類方法有K-mean, K-medoids方法、Ester等提出的基于R-樹的數(shù)據(jù)聚焦法及發(fā)現(xiàn)聚合親近關(guān)系和公共特征的算法、周成虎等提出的基于信息熵的時空數(shù)據(jù)分割聚類模型等。
7.神經(jīng)網(wǎng)絡(luò)方法。即通過大量神經(jīng)元構(gòu)成的網(wǎng)絡(luò)來實現(xiàn)自適應(yīng)非線性動態(tài)系統(tǒng)，并使其具有分布存儲、聯(lián)想記憶、大規(guī)模并行處理、自學(xué)習(xí)、自組織、自適應(yīng)等功能的方法；在空間數(shù)據(jù)挖掘中可用來進行分類和聚類知識以及特征的挖掘。
8.決策樹方法。即根據(jù)不同的特征，以樹型結(jié)構(gòu)表示分類或決策集合，進而產(chǎn)生規(guī)則和發(fā)現(xiàn)規(guī)律的方法。采用決策樹方法進行空間數(shù)據(jù)挖掘的基本步驟如下：首先利用訓(xùn)練空間實體集生成測試函數(shù)；其次根據(jù)不同取值建立決策樹的分支，并在每個分支子集中重復(fù)建立下層結(jié)點和分支，形成決策樹；然后對決策樹進行剪枝處理，把決策樹轉(zhuǎn)化為據(jù)以對新實體進行分類的規(guī)則。
9.粗集理論。一種由上近似集和下近似集來構(gòu)成粗集，進而以此為基礎(chǔ)來處理不精確、不確定和不完備信息的智能數(shù)據(jù)決策分析工具，較適于基于屬性不確定性的空間數(shù)據(jù)挖掘。
10.基于模糊集合論的方法。這是一系列利用模糊集合理論描述帶有不確定性的研究對象，對實際問題進行分析和處理的方法。基于模糊集合論的方法在遙感圖像的模糊分類、GIS模糊查詢、空間數(shù)據(jù)不確定性表達和處理等方面得到了廣泛應(yīng)用。
11.空間特征和趨勢探側(cè)方法。這是一種基于鄰域圖和鄰域路徑概念的空間數(shù)據(jù)挖掘算法，它通過不同類型屬性或?qū)ο蟪霈F(xiàn)的相對頻率的差異來提取空間規(guī)則。
12.基于云理論的方法。云理論是一種分析不確定信息的新理論，由云模型、不確定性推理和云變換三部分構(gòu)成。基于云理論的空間數(shù)據(jù)挖掘方法把定性分析和定量計算結(jié)合起來，處理空間對象中融隨機性和模糊性為一體的不確定性屬性；可用于空間關(guān)聯(lián)規(guī)則的挖掘、空間數(shù)據(jù)庫的不確定性查詢等。
13.基于證據(jù)理論的方法。證據(jù)理論是一種通過可信度函數(shù)（度量已有證據(jù)對假設(shè)支持的最低程度）和可能函數(shù)（衡量根據(jù)已有證據(jù)不能否定假設(shè)的最高程度）來處理不確定性信息的理論，可用于具有不確定屬性的空間數(shù)據(jù)挖掘。
14.遺傳算法。這是一種模擬生物進化過程的算法，可對問題的解空間進行高效并行的全局搜索，能在搜索過程中自動獲取和積累有關(guān)搜索空間的知識，并可通過自適應(yīng)機制控制搜索過程以求得最優(yōu)解。空間數(shù)據(jù)挖掘中的許多問題，如分類、聚類、預(yù)測等知識的獲取，均可以用遺傳算法來求解。這種方法曾被應(yīng)用于遙感影像數(shù)據(jù)中的特征發(fā)現(xiàn)。
15.數(shù)據(jù)可視化方法。這是一種通過可視化技術(shù)將空間數(shù)據(jù)顯示出來，幫助人們利用視覺分析來尋找數(shù)據(jù)中的結(jié)構(gòu)、特征、模式、趨勢、異常現(xiàn)象或相關(guān)關(guān)系等空間知識的方法。為了確保這種方法行之有效，必須構(gòu)建功能強大的可視化工具和輔助分析工具。
16.計算幾何方法。這是一種利用計算機程序來計算平面點集的Voronoi圖，進而發(fā)現(xiàn)空間知識的方法。利用Voronoi圖可以解決空間拓撲關(guān)系、數(shù)據(jù)的多尺度表達、自動綜合、空間聚類、空間目標(biāo)的勢力范圍、公共設(shè)施的選址、確定最短路徑等問題。
17.空間在線數(shù)據(jù)挖掘。這是一種基于網(wǎng)絡(luò)的驗證型空間來進行數(shù)據(jù)挖掘和分析的工具。它以多維視圖為基礎(chǔ)，強調(diào)執(zhí)行效率和對用戶命令的及時響應(yīng)，一般以空間數(shù)據(jù)倉庫為直接數(shù)據(jù)源。這種方法通過數(shù)據(jù)分析與報表模塊的查詢和分析工具（如OLAP、決策分析、數(shù)據(jù)挖掘等）完成對信息和知識的提取，以滿足決策的需要。

總結(jié)

以上是生活随笔為你收集整理的空间数据挖掘的主要方法总结的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。