任沂軍,劉玲玲,鄒艷紅,陳佳音

(1.江門市勘測院,廣東江門 529000; 2.中南大學(xué)地球科學(xué)與信息物理學(xué)院,湖南長沙 410083)

基于SQL Server Analysis Service(SSAS)的土地地類關(guān)系空間數(shù)據(jù)挖掘

任沂軍1?,劉玲玲2,鄒艷紅2,陳佳音2

(1.江門市勘測院,廣東江門 529000; 2.中南大學(xué)地球科學(xué)與信息物理學(xué)院,湖南長沙 410083)

基于SQL Server Analysis Services(簡稱SSAS)提供的Microsoft關(guān)聯(lián)規(guī)則挖掘算法和事務(wù)數(shù)據(jù)挖掘功能,通過利用ArcGIS軟件、空間數(shù)據(jù)庫引擎ArcSDE和數(shù)據(jù)庫SQL Server軟件,提出了一種新的土地地類關(guān)系挖掘?qū)崿F(xiàn)方案。首先結(jié)合空間數(shù)據(jù)挖掘(Spatial Data Mining,SDM)相關(guān)技術(shù)方法,以土地利用數(shù)據(jù)庫為基礎(chǔ),實(shí)現(xiàn)空間數(shù)據(jù)提取;然后通過空間關(guān)聯(lián)操作將空間信息轉(zhuǎn)化為事務(wù),最后在SSAS中創(chuàng)建多維數(shù)據(jù)集,完成相關(guān)數(shù)據(jù)挖掘任務(wù)?；谀呈袑?shí)例土地利用數(shù)據(jù)庫,采用該方法探測相鄰地類間的隱含關(guān)系,通過建立相鄰地類圖斑空間關(guān)聯(lián)規(guī)則挖掘模型,設(shè)置不同的參數(shù),得到了一系列比較實(shí)用合理的關(guān)聯(lián)規(guī)則,通過實(shí)踐證明了這種方案的有效性。

土地地類關(guān)系;SQL Server Analysis Service(SSAS);空間數(shù)據(jù)挖掘;關(guān)聯(lián)規(guī)則算法

1 引 言

空間數(shù)據(jù)挖掘技術(shù)(Spatial Data Mining,簡稱SDM)能夠從空間數(shù)據(jù)庫中抽取隱含的知識和空間關(guān)系,發(fā)現(xiàn)其中有用的特征和模式,目前數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則技術(shù)已廣泛應(yīng)用到許多領(lǐng)域[1～4]。隨著全國各縣市土地調(diào)查的開展,土地利用現(xiàn)狀數(shù)據(jù)庫中隱含有大量的信息,如何充分挖掘和利用這些土地空間數(shù)據(jù),并提取感興趣的知識或特征變得越來越重要。

數(shù)據(jù)挖掘是目前數(shù)據(jù)庫領(lǐng)域研究的熱點(diǎn)問題,然而很多數(shù)據(jù)挖掘工具只有精通數(shù)據(jù)挖掘算法的專家才能熟練使用,若對算法不了解,難以得出好的挖掘模型[5]。商用數(shù)據(jù)庫SQL Server 2005及以后的版本提出了一種縱向數(shù)據(jù)挖掘解決方案,SQL Server Analysis Service(SSAS)作為其商業(yè)智能專業(yè)平臺,可以應(yīng)用在聯(lián)機(jī)數(shù)據(jù)處理與分析、數(shù)據(jù)挖掘上,有效地協(xié)助企業(yè)建立決策支持。用戶無需對數(shù)據(jù)挖掘技術(shù)和數(shù)據(jù)挖掘算法有太多了解,即可利用其提供的功能,結(jié)合具體的應(yīng)用,對數(shù)據(jù)進(jìn)行挖掘分析[6]。

本文結(jié)合實(shí)例土地利用現(xiàn)狀數(shù)據(jù)庫,嘗試?yán)肧SAS組件進(jìn)行了相鄰地類關(guān)系的空間數(shù)據(jù)挖掘,通過訓(xùn)練模型,得到了一系列比較實(shí)用合理的關(guān)聯(lián)規(guī)則,并通過實(shí)踐對模型進(jìn)行了驗(yàn)證。

2 SSAS中的數(shù)據(jù)挖掘方法與土地地類關(guān)系挖掘流程

2.1 SSAS的數(shù)據(jù)挖掘過程與解決方案

SQL Server通過SQL Server Analysis Services提供各類OLAP(On-Line Analytical Processing)數(shù)據(jù)分析和數(shù)據(jù)挖掘算法,Analysis Services可以從關(guān)系數(shù)據(jù)源創(chuàng)建多維數(shù)據(jù)集,建立和應(yīng)用數(shù)據(jù)挖掘模型。

SSAS數(shù)據(jù)挖掘的具體挖掘過程與解決方案[6～8]為:①確定數(shù)據(jù)挖掘主題:包括定義問題,確定業(yè)務(wù)對象;②數(shù)據(jù)準(zhǔn)備:包括數(shù)據(jù)選擇、數(shù)據(jù)預(yù)處理和數(shù)據(jù)轉(zhuǎn)換等操作,將與挖掘目標(biāo)任務(wù)相關(guān)的對象數(shù)據(jù)以及對象之間的關(guān)系存入相關(guān)數(shù)據(jù)庫的屬性表中。③數(shù)據(jù)挖掘:將處理好的數(shù)據(jù)存入SQL Server數(shù)據(jù)庫中,并通過SSIS (SQL Server Integration Services(SSIS),SQL Server集成服務(wù))錄入相關(guān)的文檔及文本數(shù)據(jù),在數(shù)據(jù)庫中抽取數(shù)據(jù)源,利用數(shù)據(jù)挖掘算法進(jìn)行數(shù)據(jù)挖掘;④結(jié)果表達(dá)與分析:對挖掘結(jié)果進(jìn)行表達(dá)分析,解釋并評估結(jié)果。

2.2 土地地類關(guān)系挖掘算法與流程

隨著數(shù)據(jù)挖掘技術(shù)的發(fā)展,數(shù)據(jù)挖掘算法也變得豐富多樣。SQL Server中主要提供的挖掘算法有Microsoft關(guān)聯(lián)規(guī)則、聚類分析、決策樹、邏輯回歸、神經(jīng)網(wǎng)絡(luò)、順序分析和線性回歸等。本文中土地地類關(guān)系挖掘主要用到了Microsoft關(guān)聯(lián)規(guī)則算法。

關(guān)聯(lián)規(guī)則是在數(shù)據(jù)庫中對數(shù)據(jù)項(xiàng)之間所隱含的而又潛在有用的規(guī)則進(jìn)行提取,是目前應(yīng)用最廣泛的一種數(shù)據(jù)挖掘方法。關(guān)聯(lián)規(guī)則的概念由Agrawal等提出,目的是從事務(wù)數(shù)據(jù)項(xiàng)目集之間找出滿足給定的置信度和支持度的多個(gè)項(xiàng)之間存在的依賴關(guān)系。其基本概念[9～12]如下:

(1)支持度(S%)是總事務(wù)數(shù)T中同時(shí)出現(xiàn)A和B的概率;

(2)置信度(C%)表明在事務(wù)集合T中,包含A的事務(wù)有C%的事務(wù)同時(shí)包含B。其計(jì)算公式是:A與B同時(shí)出現(xiàn)的概率/A出現(xiàn)的概率。在SQL Server 2008中,置信度被稱為概率。

(3)重要性是表明規(guī)則重要性=0時(shí),則表明A和B沒有任何關(guān)聯(lián);若規(guī)則重要性＞0,則表明當(dāng)A發(fā)生時(shí),B發(fā)生的概率會變大;若規(guī)則重要性＜0,則表明當(dāng)A發(fā)生時(shí),B發(fā)生的概率會變小。

關(guān)聯(lián)規(guī)則挖掘包含兩個(gè)過程:

(1)掃描數(shù)據(jù)集,找出所有頻繁項(xiàng)集。這些項(xiàng)集的支持度必須要大于等于最小支持度(Minimum_Support);

(2)由頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則。這些規(guī)則出現(xiàn)的概率(置信度)必須大于等于最小概率(Minimum_ Probability)。

本文實(shí)驗(yàn)選擇SQL Server 2008關(guān)聯(lián)規(guī)則算法進(jìn)行土地地類關(guān)系空間數(shù)據(jù)挖掘,試圖通過空間關(guān)聯(lián)規(guī)則挖掘土地地類周圍相鄰區(qū)域最有可能出現(xiàn)的土地類型情況以及某種土地類型的周邊地塊出現(xiàn)的地類呈現(xiàn)的規(guī)律。但Microsoft關(guān)聯(lián)規(guī)則算法是針對事務(wù)數(shù)據(jù)挖掘的算法,不能夠?qū)臻g數(shù)據(jù)的空間信息直接挖掘,所以在挖掘之前需預(yù)先將空間數(shù)據(jù)進(jìn)行空間關(guān)聯(lián)分析預(yù)處理,將獲得的空間信息轉(zhuǎn)換為事務(wù)數(shù)據(jù),然后使用Microsoft關(guān)聯(lián)規(guī)則挖掘算法進(jìn)行挖掘。土地地類關(guān)系挖掘流程如圖1所示:

圖1 土地地類關(guān)系挖掘流程圖

3 土地地類關(guān)系挖掘數(shù)據(jù)預(yù)處理

本文實(shí)例數(shù)據(jù)來自某市第二次土地調(diào)查項(xiàng)目及其建立的土地利用數(shù)據(jù)庫[13,14],土地利用數(shù)據(jù)集包含了耕地、林地、草地、園地、居民及設(shè)施用地、交通及其設(shè)施用地、水利及水利設(shè)施用地、其他用地8種不同的土地利用類型,由于Microsoft數(shù)據(jù)挖掘算法不支持空間信息的挖掘,需要預(yù)先運(yùn)用空間謂詞對空間信息進(jìn)行關(guān)聯(lián)抽取,轉(zhuǎn)化為屬性數(shù)據(jù)。因此,其數(shù)據(jù)預(yù)處理過程主要包括:空間分析和空間謂詞計(jì)算。

3.1 土地利用數(shù)據(jù)的空間分析

該土地利用數(shù)據(jù)庫主要包含4個(gè)主要的面圖層,分別是鄉(xiāng)鎮(zhèn)、行政區(qū)、宗地、地類圖斑。通過圖層之間進(jìn)行空間疊置分析(如UNION,OVERLAY,JOIN等),可以建立起圖層之間的相互聯(lián)系,并轉(zhuǎn)化為屬性間的關(guān)系,為空間數(shù)據(jù)倉庫的建立做準(zhǔn)備。

鄉(xiāng)鎮(zhèn)圖層與行政區(qū)圖層進(jìn)行UNION疊加,可以通過屬性字段進(jìn)行關(guān)聯(lián)。表1為行政區(qū)與鄉(xiāng)鎮(zhèn)疊加前的屬性結(jié)構(gòu)表,表2為疊加后行政區(qū)的屬性結(jié)構(gòu)表,從兩個(gè)表中可知疊加后行政區(qū)屬性里含有鄉(xiāng)鎮(zhèn)行政區(qū)代碼(XZQDM)(鄉(xiāng)鎮(zhèn)的XZQDM)和鄉(xiāng)鎮(zhèn)行政區(qū)名稱(XZQMC)(原為鄉(xiāng)鎮(zhèn)中的XZQMC),鄉(xiāng)鎮(zhèn)與村行政區(qū)為一對多的關(guān)系,實(shí)現(xiàn)了兩個(gè)圖層的關(guān)聯(lián)。地類圖斑與宗地間的關(guān)聯(lián)則包括不同數(shù)據(jù)圖層的疊加及相關(guān)屬性的繼承。地類圖斑繼承宗地屬性,需要在宗地中增加標(biāo)示字段ZDY_ID與圖斑中的字段ZD_ID進(jìn)行關(guān)聯(lián),進(jìn)而產(chǎn)生了一對多的關(guān)系。

行政區(qū)屬性結(jié)構(gòu)表 表1

疊加鄉(xiāng)鎮(zhèn)圖層后行政區(qū)屬性結(jié)構(gòu)表 表2

3.2 相鄰地類空間謂詞的計(jì)算

空間關(guān)聯(lián)規(guī)則可包含各類空間謂詞,表示空間實(shí)體間的拓?fù)潢P(guān)系謂詞主要有:disjoint(分離)、intersects (相交)、inside/contains(包含)、adjacent-to(相鄰)、covers/covered-by(覆蓋/被覆蓋)、equal(重合)[9]。在數(shù)據(jù)挖掘過程中,這些空間謂詞可以通過相關(guān)的技術(shù)進(jìn)行概化被挖掘所用,如:預(yù)先計(jì)算不同圖層間的空間拓?fù)潢P(guān)系或抽取單個(gè)圖層中屬性間的關(guān)系,可以以數(shù)值或文字的形式表達(dá)相鄰圖斑或?qū)傩蚤g的包含、鄰接和重疊等拓?fù)潢P(guān)系[15]。

將處理好的土地調(diào)查數(shù)據(jù)進(jìn)行空間分析后,由于在后階段的空間數(shù)據(jù)挖掘階段,需要采集相鄰圖斑之間的關(guān)系,這個(gè)過程可通過ArcGIS中的ArcToolbox工具或應(yīng)用ArcEngine編程實(shí)現(xiàn)[16]。

ArcToolBox工具箱中Spatial Join是一個(gè)強(qiáng)大的疊置分析工具,可進(jìn)行多種操作。用它進(jìn)行分析時(shí)可以同時(shí)對圖層要素與屬性表進(jìn)行操作,對圖層要素的操作主要是為尋找滿足條件的要素并添加到一個(gè)新圖層,對屬性要素的操作主要為增加有需要的字段并寫入相應(yīng)數(shù)據(jù)。比如在土地圖斑中增加字段為“Touches”,可以進(jìn)行圖斑相鄰分析,把每個(gè)圖斑相鄰的圖斑標(biāo)識碼放在其中,如圖2實(shí)例所示。

圖2 圖斑相鄰查詢結(jié)果

本文在圖斑圖層的屬性中增加了空間謂詞touches,contain,within等字段,分別保存相鄰、包含、被包含的圖斑標(biāo)識碼。

將處理好的數(shù)據(jù),采用空間數(shù)據(jù)庫引擎ArcSDE導(dǎo)入至SQL Server 2008數(shù)據(jù)庫中,作為SSAS的地類關(guān)系挖掘的數(shù)據(jù)源。

4 土地地類關(guān)系空間數(shù)據(jù)挖掘?qū)嵗Ｐ?/h2>

4.1 相鄰地類圖斑空間關(guān)聯(lián)規(guī)則挖掘模型建立

根據(jù)挖掘目標(biāo),對相鄰地類圖斑間的關(guān)系進(jìn)行關(guān)聯(lián)規(guī)則挖掘,選擇該市的8個(gè)鄉(xiāng)鎮(zhèn)作為圖斑數(shù)據(jù)挖掘的事實(shí)表,剩余的2個(gè)鄉(xiāng)鎮(zhèn)作為預(yù)測事實(shí)表。挖掘模型的具體設(shè)計(jì)如下:

(1)關(guān)聯(lián)模型必須包含一個(gè)鍵列、多個(gè)輸入列以及一個(gè)可預(yù)測列。輸入列“DLMC”為圖斑的一級地類名稱。采用圖斑屬性“touches”確定的相鄰地類“XLDLMC”作為預(yù)測列,設(shè)置圖斑標(biāo)示TUBAN_ID為鍵列。

(2)訓(xùn)練模型及模型參數(shù)的設(shè)定

在模型訓(xùn)練階段,由于關(guān)聯(lián)規(guī)則挖掘算法是對模型參數(shù)設(shè)置最敏感的算法,因此,需要對設(shè)置不同參數(shù)后模型的結(jié)果進(jìn)行評估,以期找到最優(yōu)的模型。反復(fù)訓(xùn)練實(shí)驗(yàn)后,確定的模型參數(shù),最小支持度為80,最小置信度為20%,大于這兩個(gè)參數(shù)的項(xiàng)集將被篩選出來并形成規(guī)則,并且使生成的最大項(xiàng)集數(shù)的參數(shù)設(shè)置為0,不限制生成項(xiàng)集的大小。

4.2 挖掘結(jié)果解讀

在SSAS中設(shè)置參數(shù),工程部署并運(yùn)行模型后,進(jìn)行關(guān)聯(lián)規(guī)則挖掘,從而進(jìn)行土地利用數(shù)據(jù)關(guān)聯(lián)規(guī)則提取,得出一系列土地地類周邊相鄰區(qū)域可能出現(xiàn)的地類。

關(guān)聯(lián)規(guī)則的挖掘結(jié)果主要表現(xiàn)為若干通過數(shù)據(jù)歸納的規(guī)則以及與之附帶的概率和重要性。概率說明出現(xiàn)規(guī)則結(jié)果的可能性。重要性用于度量規(guī)則的用途。挖掘結(jié)果如圖3～圖5所示。

圖3 土地地類關(guān)聯(lián)規(guī)則挖掘結(jié)果

圖5 土地利用地類與相鄰地類的關(guān)聯(lián)圖

盡管規(guī)則出現(xiàn)的概率可能很高,但規(guī)則自身的用途可能并不重要。重要性越高,規(guī)則越重要。表3是以0.2為概率閾值,按重要性排序的挖掘結(jié)果。

地利用地類與相鄰地類間的空間關(guān)聯(lián)規(guī)則表 表3

DLMC=城鎮(zhèn)村及工礦用地→XL DLMC=耕地3.945.818.2DLMC=園地→XL DLMC=耕地0.345.315.7 DLMC=交通運(yùn)輸用地→XL DLMC =林地2.229.915.1DLMC=草地→XL DLMC=林地5.027.011.8

從上面的分類結(jié)果看,其中一部分中體現(xiàn)出我們比較感興趣的規(guī)則。如:

(1)DLMC=耕地→XL DLMC=林地,支持度為11.2%,置信度33.9%,重要度32.9%。這條規(guī)則表明在8種地類中耕地和林地相鄰支持度和重要性指標(biāo)最高,說明耕地的相鄰地類是林地的可能性很大,該地區(qū)林業(yè)綠化程度高。通過調(diào)查驗(yàn)證,該實(shí)驗(yàn)地區(qū)有“一帶”“兩山”,“一帶”指防護(hù)林帶,涉及5個(gè)鄉(xiāng)鎮(zhèn)45個(gè)村,全長50 km,帶寬100 m～200 m,“兩山“綠化總面積20萬畝。

(2)DLMC=水域及水利設(shè)施用地→XL DLMC=耕地,支持度為2.5%,置信度50.8%,重要度22.5%。該條規(guī)則置信度最高,最能說明一條自然規(guī)律:河流周圍是耕地的可能性最大。而實(shí)驗(yàn)數(shù)據(jù)地區(qū)有13條河流,情況基本屬實(shí)。

(3)DLMC=交通運(yùn)輸用地→XL DLMC=林地,支持度為2.2%,置信度為29.9%,重要度為15.1%。實(shí)驗(yàn)數(shù)據(jù)地區(qū)有“三道”,高速公路綠色通道,主線全長37.6 km,公路兩側(cè)20 m內(nèi),栽植各類樹木174萬株;通道以外兩側(cè)各拓展林帶80 m,栽植各類樹種102萬株。二級公路綠色通道,全長44.2 km,公路兩側(cè)種植了樹木13萬株;省道路綠色通道,全長21 km,公路兩側(cè)種植樹木8.4萬株。如果挖掘出的各項(xiàng)指標(biāo)越高,說明交通運(yùn)輸用地的相鄰地類是林地的可能性很大,在道路綠化方面越重視。

4.3 模型評價(jià)

依據(jù)建立的模型,設(shè)定預(yù)測值為耕地,選定剩余的兩個(gè)鄉(xiāng)鎮(zhèn)作為預(yù)測事實(shí)表,查看預(yù)測結(jié)果,進(jìn)行模型評價(jià)。由該模型獲取的提升圖如圖6所示,提升圖中橫軸表示預(yù)測總體的百分比,縱軸表示預(yù)測準(zhǔn)確的百分比。圖內(nèi)紅線代表理想情況下只需要32%左右的總體便能100%的完全準(zhǔn)確地預(yù)測出相鄰耕地的數(shù)量;而藍(lán)線指在隨機(jī)情況下50%的總體只能有50%的可能性能準(zhǔn)確的預(yù)測耕地總體;綠線是所利用的模型的準(zhǔn)確趨勢線,從獲得的趨勢線中,可以得出,預(yù)測相鄰耕地的正確率達(dá)80%,說明該模型在耕地相鄰地類的預(yù)測上具有較高的準(zhǔn)確性,可用來預(yù)測耕地。

圖6 耕地相鄰地類關(guān)聯(lián)規(guī)則挖掘評價(jià)

5 結(jié) 語

本文根據(jù)大量的實(shí)驗(yàn)建立了相鄰地類的關(guān)聯(lián)規(guī)則模型,利用SSAS及空間分析工具等進(jìn)行數(shù)據(jù)的預(yù)處理與分析,并進(jìn)一步在建立好的土地利用數(shù)據(jù)庫的基礎(chǔ)上進(jìn)行數(shù)據(jù)挖掘,得出了一些比較有用的結(jié)論,如在發(fā)現(xiàn)圖斑周圍相近的地類的關(guān)聯(lián)規(guī)則挖掘過程中,發(fā)現(xiàn)不同地類之間的一些規(guī)律,如耕地與居民用地之間,耕地與草地之間等都有很強(qiáng)的關(guān)聯(lián)性。通過建立和訓(xùn)練、解釋及評價(jià)模型幾個(gè)方面來說明利用SSAS創(chuàng)建數(shù)據(jù)挖掘模型的過程,能夠挖掘出隱藏在大量數(shù)據(jù)中的信息,從而為土地利用數(shù)據(jù)挖掘提供一種新的解決思路。

[1] Han J,Kamber M.Data Mining:Concepts and Techniques [M].San Francisco:Academic Press,2001.

[2] DZEROSKI S,LAVRAC N.Relational Data Mining[M].Berlin:Springer Press,2001.

[3] 李德仁,史文中.論空間數(shù)據(jù)挖掘和知識發(fā)現(xiàn)[J].武漢大學(xué)學(xué)報(bào):信息科學(xué)版,2001,26(6):491～499.

[4] 王樹良.空間數(shù)據(jù)挖掘進(jìn)展[J].地理信息世界,2009,7 (2):34～41.

[5] 李強(qiáng).數(shù)據(jù)挖掘中關(guān)聯(lián)分析算法研究[D].哈爾濱工程大學(xué),2010.

[6] 劉欣穎,劉太安,范方.基于SQL Server 2005的數(shù)據(jù)挖掘系統(tǒng)應(yīng)用研究[J].科技信息,2009(31):51～51.

[7] 王玲.基于GIS空間數(shù)據(jù)挖掘技術(shù)的應(yīng)用研究[J].測繪與空間地理信息,2013,36(6):121～123.

[8] 黃興榮,李昌領(lǐng).基于SQL Server 2005的數(shù)據(jù)挖掘的研究[J].計(jì)算機(jī)與現(xiàn)代化,2010(5):195～198.

[9] 劉新,劉文寶.空間數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則的支持度和可信度研究[J].測繪科學(xué)技術(shù)學(xué)報(bào),2007,24(2):93～96.

[10] 陳江平,黃炳堅(jiān).數(shù)據(jù)空間自相關(guān)性對關(guān)聯(lián)規(guī)則的挖掘與實(shí)驗(yàn)分析[J].地球信息科學(xué)學(xué)報(bào),2011,13(1):109～117.

[11] 陸新慧,吳陳,楊習(xí)貝.空間關(guān)聯(lián)規(guī)則挖掘技術(shù)的研究及應(yīng)用[J].計(jì)算機(jī)技術(shù)與發(fā)展,2013,23(5):26～29.

[12] 秦昆,李振宇,杜鹢.基于概念分析的空間數(shù)據(jù)挖掘研究進(jìn)展[J].地球信息科學(xué)學(xué)報(bào),2009,11(1):10～17.

[13] 鄒艷紅,劉玲玲,姚封.農(nóng)村土地調(diào)查數(shù)據(jù)庫的建立與土地利用分析[J].城市勘測,2010(2):13～18.

[14] 劉玲玲.懷仁縣土地利用數(shù)據(jù)庫的SDM研究[D].中南大學(xué),2010.

[15] Murray A T,Estivill-cast ro V.Clustering Discovery Techniques for Exploratory Spatial Data Analysis.International Journal of Geographical Information Science,1998,12(5): 431～443.

[16] 劉仁義,劉南.ArcGIS開發(fā)寶典——從入門到精通[M].科學(xué)出版社,2007(2):242～255.

Spatial Data Mining for the Land Class Relationships Based on SQL Server Analysis Service

Ren Yijun1,Zou Yanhong2,Liu Lingling2,Chen Jiayin2
(1.Jiangmen Investigation and Surveying Institute,Jiangmen 529000,China; 2.School of Geosciences and Info-Physics,Central South University,Changsha,410083,China)

Based on Mining algorithm of Microsoft associated rule and transaction data mining functions provided by SQL Server Analysis Services(SSAS),a new implementation scheme for the land class relationships mining is proposed by using SQL Server,ArcGIS software,spatial data engine of ArcSDE.Firstly,Combined with related Spatial Data Mining (SDM)technologies,spatial data was extracted on the basis of the land use database.Secondly,the spatial data was transformed into transaction data by spatial associated rule.Finally,multi-dimension data set was constructed in SSAS and the relevant spatial data mining tasks were implemented.As a case study,the implement scheme was applied to discover the implied relationships between the adjacent land classes for the land use database of a county.Through training models and setting different parameters,a series of practical and reasonable associated rules were obtained.It shows that the scheme is feasible and efficient in practice.

the land class relationship;SQL Server Analysis Service(SSAS);spatial data mining(SDM);associated rule algorithm

1672-8262(2014)06-35-05

P208.1

B

2014—03—27

任沂軍(1969—),男,高級工程師,主要從事大地測量、工程測量和GIS工作。

國家自然科學(xué)基金資助項(xiàng)目(41102204)