SDMKD及智能空间决策支持系统研究

合肥工业大学博士学位论文SDMKD及智能空间决策支持系统研究姓名：李永森申请学位级别：博士专业：管理科学与工程指导教师：杨善林20060701SDMKD及智能空间决策支持系统研究作者：李永森学位授予单位：合肥工业大学相似文献(10条)1.会议论文孙焕良.邱菲.刘俊岭.朱叶丽一种基于网格索引的空间数据聚类算法2006在数据挖掘中聚类分析是最广泛的应用之一。基于密度的聚类分析算法能发现任意形状的簇并且能够较好地处理含有噪声的数据,因此广泛应用于分析遥感,地理信息系统(GIS)等空间数据分布情况。但是处理海量空间数据时,现有的基于密度的算法效率较低。本文提出一种改进的基于密度的聚类分析算法,该算法由于采用对象邻域空间划分的方法,从而避免了基于密度算法中多余的搜索,并且将网格索引结构应用于该算法中,较大程度提高了算法效率。2.学位论文赖文彬面向具有空间属性系统的数据挖掘方法及其在铁路客票营销的应用2004快速增长的海量数据促进了数据挖掘技术的发展,现实世界中80％以上的数据都具有空间属性,数据和空间属性的集合称为空间数据,系统由于包含空间数据具有空间属性.空间数据的复杂性、非线形性对一般的数据挖掘方法提出了挑战,面向具有空间属性系统的数据挖掘方法的研究具有重要意义.该文研究的内容就是面向具有空间属性系统的数据挖掘方法,并对其在预测的应用,做深一步的研究,并将相关理论应用于铁路客票营销中——假日运输管理信息系统.该文的研究内容如下:(1)该文首先以建模的思想分析空间数据组成、空间数据模型、数据结构和存储方式;(2)分析空间数据的特殊性,提出三种处理空间特征的方法,总结了空间数据可发现的知识类型,及空间数据的挖掘和地理信息系统的关系;(3)提出一个面向具有空间属性系统的预测流程;阐述了对系统空间属性的分析,包括空间数据的处理,空间特征的提取,空间序列的确定;同时讨论了预测模型,包括预测的分类、原则,方法的选取;(4)介绍铁路客票营销的一个应用——假日运输管理信息系统.分析该系统的空间属性,阐述其空间数据的组成,提出一种基于视图的空间数据存储和查询方式;分析春运期间路局旅客发送量的特点,对时间序列采用指数平滑法,空间序列选用人工神经网络技术,取得一定的预测效果.3.期刊论文柳彦平.王文杰.谈恒贵.LiuYanping.WangWenjie.TanHenggui数据挖掘空间聚类-计算机工程与应用2005,41(35)聚类分析在数据挖掘领域中得到了广泛的应用,对空间数据的聚类是其中的一个重要研究方向.文章提出了对空间数据聚类的6个标准,并基于这6个标准对一些传统的空间数据聚类算法作了分析比较.在分析的基础上指出没有一种老的算法能同时处理大量数据点、高维数据和多噪声的问题.接着对近年来改进或创新的聚类算法作了简要分析,并对未来发展方向进行了简要展望,目的主要是便于研究者全面了解和掌握空间数据聚类的现有算法,发现更高性能的聚类算法,也使用户能方便快速地找到适合特定问题的聚类方法.4.期刊论文兰小机.徐红伟.潘伟丰.苏建强.LANXiao-ji.XUHong-wei.PANWei-feng.SUJian-qiang基于改进演化算法的空间数据聚类方法-计算机工程2008,34(22)分析空间数据的特点和用常规方法进行空间数据聚类分析的难点与不足,提出一种基于改进的演化算法空间数据聚类方法-SDCEA.解决用传统方法进行空间数据聚类分析时存在的问题,增强聚类分析方法的灵活性和有效性.实验结果表明,对于空间数据的聚类分析问题,该算法具有很好的性能.5.学位论文杨悦面向空间数据复杂性特征的聚类分析方法研究2008随着数据获取技术的快速发展，数据呈现出多样化、海量化的发展趋势。针对空间信息的空间数据被大量收集，成为探索空间领域知识的根本途径和重要依据，迫切需要面向空间数据的空间数据挖掘技术来发现其中隐含的有用知识。作为空间数据挖掘的重要分支，空间聚类以其较强的实用性和高效性，成为相关领域的研究热点。本文在深入研究空间数据挖掘、空间聚类知识和现有方法的基础上，面向空间数据体现出的复杂性特征中的海量特征、高维特征、带障碍约束特征以及多尺度特征，研究高效的空间数据聚类分析方法。针对空间数据的海量特征，运用善于进行大规模数据聚类分析的经典K—Means算法进行聚类分析，对于其存在的k值预设及初始聚类中心随机选取导致算法准确率、效率不高的问题，利用空间数据的特点，提出一种基于最优划分的K—Means初始聚类中心选取方法，提高了海量空间数据的条件下K—Means算法进行聚类分析的运算效率和算法准确率；针对空间数据的高维特征，提出一种高效的基于模糊扩展的高维空间数据子空间聚类算法，该算法基于模糊集对确定聚类边界起决定作用的稀疏单元网格进行模糊扩展，考虑相邻网格内样本点的相关性，改善了高维数据子空间聚类不平滑、边界不明确、易产生无意义过度聚类的问题，高效进行高维空间数据的聚类分析；针对空间数据多障碍约束的特征，提出一种基于网格的带障碍约束空间数据分级聚类算法，算法继承了基于网格聚类算法的优点，能够处理任意形状的障碍物并产生任意形状的簇，同时，算法采用分级策略对考察数据集进行障碍条件下聚类分析，降低了计算样本点间障碍距离产生的算法时空复杂度，提高了障碍约束条件下空间数据聚类分析的效率；针对空间数据的多尺度特征，提出一种基于等密度线的空间数据多尺度聚类分析方法，该多尺度空间聚类算法借鉴等高线思想，利用考察样本集等密度线的天然尺度性进行尺度条件下的空间数据聚类分析。本论文面向空间数据的海量特征、高维特征、带障碍约束特征以及多尺度特征分别进行了空间聚类分析方法的研究，并通过仿真实验分别证明了方法的可行性、有效性和高效性。6.期刊论文祝晓东.倪凯基于空间数据的关联规则挖掘算法及实现-宁波职业技术学院学报2004,8(3)空间数据挖掘就是从空间数据库中抽取隐含的知识,空间关系或是空间数据库中存储的其它的隐含的模式的过程.空间关联规则是空间数据挖掘的一个重要表现形式,利用空间关联规则把空间数据库中的数据转化为知识是一个很好的方法.本文给出了一种基于空间数据的关联规则挖倔算法,并给出了实例.7.学位论文高延铭基于GIS的区域海洋地质数据挖掘和应用2007区域海洋地质调查数据不仅可以为地质科学研究、矿产资源开发、海洋环境保护、海洋地质灾害防治、海洋工程设施建设等提供基础资料，还可以为国家海洋主权及权益维护提供科学依据，也可以为沿海省、市、自治区的国民经济建设提供科技服务，具有十分重要的作用。区域海洋地质调查数据来源广泛，内容涉及海底地形地貌调查、底质调查、海底浅层结构调查与深部地层结构调查等方面，产生了大量的数据。随着数据的累积和对区域海洋数据应用的发展，高维的资料增加了传统分析技术上的困难，因此传统的以面向事务处理为主的空间数据库已不能满足要求，相应的信息系统也开始从信息管理转向从数据中提取信息或者知识为决策服务。空间数据仓库就是为满足这种新的需求而提出的空间信息集成方案。通过空间数据挖掘可以从空间数据仓库中发现并提取可能有潜在价值的信息，从而帮助分析人员寻找数据间潜在的关联，发现被忽略的要素。本文首先对国内外海洋数据仓库技术和国内外海洋数据仓库与海洋挖掘的研究成果进行了综述，分析了这一领域的最新研究动态。简要介绍了研究空间数据挖掘几种方法。其次建立了适合我国区域海洋地质决策支持的空间数据仓库模型与数据挖掘平台，针对现有数据挖掘方法空间分析能力不足的缺点，探讨了空间数据挖掘的有效算法，并与其他数据挖掘方法进行了比较，最后对所提出方法进行了实测模拟，证明了所提出方法具有更好的挖掘效果。本文主要从以下几个方面进行研究：[1]在前期进行了一定的算法实验的基础上，首次将支持向量机(SVM)方法应用于区域海洋地质空间数据挖掘中。有效地解决了神经网络难以解决的过学习问题。在数据挖掘过程中，通过对空间对象最小外接矩形(MBR)的索引优化，将空间复杂对象进行转化后再通过SVM算法对新的空间对象进行数据挖掘。并与BP神经网络算法的数据分析对比，本文得到了在小规模数据训练上采用SVM聚类得到了更好的结果。[2]建立以空间数据仓为核心的区域海洋空间数据仓库和数据挖掘模型。根据区域海洋数据来源广泛、结构复杂、时效性和空间性强、数据量大等特点，参考国内外先进的数据仓理论和经验，对基于扩展元数据的区域海洋数据的数据仓建模和数据挖掘技术的关键技术进行了研究，制定了适应于区域海洋数据和数据仓库的数据格式，形成了数据抽取和数据抽象应用的扩展元数据标准。[3]建立了基于GIS的区域海洋综合数据挖掘系统。根据区域海洋数据仓库系统中大多数数据涉及到空间储存和空间分析与表现功能的特点，通过扩展元数据综合采用了两种数据挖掘方法：STING挖掘算法和SVM挖掘算法，并通过实例验证了算法的有效性。[4]利用所提出的挖掘方法对渤中凹陷部分数据进行了实测模拟，结合靶区的油气化探测试指标，对渤中坳陷油气前景进行综合评价，进行以化探为主的油气远景分析，圈出具有良好油气前景的油气聚集带，并与传统的BP神经网络方法进行对比，得到了小样本训练情况下的更好的数据挖掘结果。最后总结了论文的主要工作，并且对本文的算法设计和实测资料模拟进行了总结，指出了空间数据挖掘需要考虑的问题，并对基于GIS的区域海洋地质数据挖掘和应用进行了探讨和展望。8.期刊论文元昌安.唐常杰.谢方军.王锦复共线性空间数据回归模型挖掘算法及其实现-四川大学学报(自然科学版)2004,41(1)对复共线性空间数据回归模型的挖掘算法进行了研究,主要贡献包括:(1)提出了ε-复共线性的概念;(2)给出不满足不相关假设情况下的新算法;(3)空间分析中将预测模型的挖掘和GIS等技术进行融合,进而促进空间统计学的更广泛应用;(4)给出ε-MCL(ε-复共线性模型回归系数估计)算法.(5)在SQLServer2000AnalysisServices平台上融合GIS技术实现了新算法,作了实验验证和性能分析.9.期刊论文黄添强.王金栋.张磊.HUANGTian-qiang.WANGJin-dong.ZHANGLei空间数据挖掘研究的进展-莆田学院学报2006,13(5)对空间数据挖掘与传统数据挖掘进行比较.根据数据挖掘的目的分类,对已有的空间数据挖掘的主要方法及特点进行分析,包括空间数据概化、空间规则挖掘、空间分类、空间趋势预测、空间聚类、空间离群点查找等.对国内外空间数据挖掘的现状作了总结和评述.最后,对未来可能的研究方向也作了分析展望.10.学位论文高韬SISP系统中空间数据挖掘语言SDML的设计与实现2003长期以来,遥感、遥测等对地观测技术的发展,特别是GIS的广泛使用,积累了大量丰富的地理空间信息.这些需求促进了空间数据挖掘的发展,并使之成为数据挖掘研究领域中的一个重要分支.数据挖掘语言是数据挖掘研究的一个重要内容.正如SQL语言极大地促进了关系数据库的发展一样,数据挖掘语言也将对数据挖掘系统的标准化和广泛应用产生巨大和深远的影响.然而现有的数据挖掘语言对空间数据挖掘的支持远远不够.该文在分析总结现有研究成果的基础上,拓展了数据挖掘语言中的通用数据预处理和空间数据预处理能力,设计并实现了空间数据挖掘语言SDML.本文链接：授权使用：上海海事大学(wflshyxy)，授权号：0ed74440-70bb-40da-a064-9e180087ae94下载时间：2010年10月23日