王 皓，王紅崧

（西南林業(yè)大學，云南 昆明650224）

1 引言

隨著計算機學與數(shù)據(jù)采集、處理技術迅速發(fā)展，使得人們從現(xiàn)實世界中獲取、存儲和處理數(shù)據(jù)的能力得到大大提高，獲得越來越豐富的數(shù)據(jù)資源［1］。從空間數(shù)據(jù)中挖掘知識，提取空間數(shù)據(jù)中不明確的和隱含的知識顯得越來越重要［2］。如何從紛繁復雜的空間數(shù)據(jù)中提取信息和把數(shù)據(jù)轉化為知識，成為國內外重點研究領域。空間數(shù)據(jù)挖掘（Spatial Data Mining，SDM）是一種知識決策技術，是建立在空間數(shù)據(jù)的基礎上，結合多門學科的理論技術，從海量空間數(shù)據(jù)中挖掘不明顯的、隱藏的新知識，揭示客觀世界的規(guī)律、內在聯(lián)系及其發(fā)展趨勢的空間決策支持系統(tǒng)。

2 研究現(xiàn)狀

由于空間數(shù)據(jù)挖掘在處理空間數(shù)據(jù)上具有重要意義，早在20世紀90年代初美國韓家煒就對空間數(shù)據(jù)挖掘進行了研究，提出了聯(lián)機分析挖掘思想，并在MapInfo軟件平臺上開發(fā)空間數(shù)據(jù)挖掘原型系統(tǒng)［1］。Walter于2008年提出了建立在柵格算法基礎上的矢量數(shù)據(jù)庫自動解譯［3］。Donato利用歸納邏輯技術的方法提取了空間人口調查數(shù)據(jù)的關聯(lián)規(guī)則［4］。國內對空間數(shù)據(jù)挖掘的研究起步稍晚，在1994年李德仁教授提出了從GIS數(shù)據(jù)庫中發(fā)現(xiàn)知識，并對空間知識發(fā)現(xiàn)的特點和方法進行了系統(tǒng)的分析［5］。董春、張清浦等人提出了基于地理數(shù)據(jù)庫進行空間數(shù)據(jù)挖掘的構想［6］。陳江平、傅仲良等人提出一種建立在空間分析基礎上的空間關聯(lián)規(guī)則挖掘算法［7］。

空間數(shù)據(jù)挖掘的研究目前還處于起步階段，國內外對空間數(shù)據(jù)挖掘的研究雖然取得了豐富的成果，但是尚屬實驗室階段，許多挖掘算法尚不夠成熟完善，實用性不強。一方面需要完善空間數(shù)據(jù)挖掘理論基礎與框架結構，另一方面完善已有算法，并不斷創(chuàng)新算法，提高算法的精度與效率，加強應用性研究；除此之外相關的空間軟件系統(tǒng)的開發(fā)也有待進一步加快，以跟上空間數(shù)據(jù)更新速度。

3 空間數(shù)據(jù)挖掘方法

由于空間數(shù)據(jù)挖掘是計算機、數(shù)據(jù)庫應用和管理決策支持等技術發(fā)展到一定階段時，由數(shù)據(jù)庫、模式識別、統(tǒng)計學、人工智能和管理信息系統(tǒng)多學科交叉的新興學科［8］，因而空間數(shù)據(jù)挖掘方法較為豐富，但針對地理空間數(shù)據(jù)庫，其方法可總結為以下4種。

3.1 空間分析算法

空間分析作為地理信息系統(tǒng)區(qū)別于一般計算機系統(tǒng)的主要標志，也是支持其強大功能的關鍵技術。借助GIS系統(tǒng)強大的空間分析功能模塊，可以發(fā)現(xiàn)客觀事物在地理空間上的相鄰、相連和共生等關聯(lián)關系、找出客觀事物之間的最優(yōu)路徑、最短路徑和最佳位置?？臻g分析通常作為處理空間數(shù)據(jù)和提取空間數(shù)據(jù)特征的方法，進而發(fā)現(xiàn)空間數(shù)據(jù)庫知識。

3.2 空間聚類算法

聚類是按一定的規(guī)則將數(shù)據(jù)分成若干個相互區(qū)別的組，發(fā)現(xiàn)數(shù)據(jù)的分布特征，使得每組中的數(shù)據(jù)具有高相似，而不同組之間的數(shù)據(jù)盡可能不同。目前空間聚類算法較為豐富，但主要有劃分方法、層次的方法、基于密度的方法、基于網格的方法及基于模型的方法5大類。

但上述算法現(xiàn)實空間中尚存在著缺陷，如在地理空間中（山脈、河流、橋梁等）障礙物時，為提高聚類的準確性，需謹慎選擇對聚類是進一步劃分還是合并。

3.3 空間關聯(lián)規(guī)則算法

關聯(lián)規(guī)則是由Agrawal等人通過對大型的事務型數(shù)據(jù)庫的挖掘首次提出，而后Koperski等人將其擴展至空間數(shù)據(jù)庫，進一步提出了挖掘強空間關聯(lián)規(guī)則的算法，并給出了空間優(yōu)化技術［9］?？臻g關聯(lián)規(guī)則可表示為：AUB（c1%）、A∩B（c2%），其中 A、B表示空間或非空間謂詞的集合，c1%、c2%為規(guī)則的支持度和可信度，空間謂詞有3種表示形式：空間方向的謂詞、拓撲結構的謂詞和距離的謂詞。

3.4 空間分類和預測

所謂空間分類指的是首先把數(shù)據(jù)庫中每個對象歸為某一給定的類，從而將所有數(shù)據(jù)歸類。預測是根據(jù)數(shù)據(jù)內在規(guī)律，根據(jù)空間維發(fā)現(xiàn)空間對象的變化趨勢。

除此之外，空間統(tǒng)計學、神經網絡、證據(jù)理論、模糊集、粗糙集和遺傳算法等都屬于數(shù)據(jù)挖掘方法，以上在對空間數(shù)據(jù)進行挖掘時，并不是孤立的，只有將各種方法加以綜合運用，方能科學有效地發(fā)現(xiàn)空間知識。

4 空間數(shù)據(jù)挖掘發(fā)展趨勢

近些年來，雖然空間數(shù)據(jù)挖掘技術發(fā)展迅速，并取得了一定的成果，但許多的理論與方法仍需進行深入研究。未來空間數(shù)據(jù)挖掘應把基于空間不確定性的數(shù)據(jù)挖掘、多源空間數(shù)據(jù)的數(shù)據(jù)挖掘、一體化柵格矢量數(shù)據(jù)挖掘、空間查詢語言數(shù)據(jù)挖掘、遙感圖像及其網絡空間數(shù)據(jù)的挖掘等方面作為主要努力方向。與此同時，在開發(fā)空間數(shù)據(jù)挖掘系統(tǒng)時，還要研究人機交互技術、空間數(shù)據(jù)挖掘系統(tǒng)與地理信息系統(tǒng)、多源空間數(shù)據(jù)的集成、多算法的集成、地理空間數(shù)據(jù)庫、空間數(shù)據(jù)決策支持系統(tǒng)以及解譯專家解譯系統(tǒng)的集成等問題。

此外，空間數(shù)據(jù)挖掘除了創(chuàng)新完善本身的理論和方法，也需充分結合利用數(shù)據(jù)挖掘和知識發(fā)現(xiàn)、可視化、數(shù)理統(tǒng)計、人工智能、圖像處理學等學科領域的理論方法。

［1］張 楠，曲海平，劉 念.空間數(shù)據(jù)挖掘的研究進展［J］.微處理機，2007（2）：1～7.

［2］李德仁，王樹良，史文中.論空間數(shù)據(jù)挖掘和知識發(fā)現(xiàn)［J］.武漢大學學報（信息科學），2001，26（6）：491499.

［3］V.Walter.Automatic Interpretation of Vector Databases With a Raster－based Algodthm ［J］.Institute for Photogrammetry，Universitaet，Geschwister－ Scholl.Str.24D70174Stuttgart，Germany，2008.

［4］Donato Malerba，F(xiàn)loriana Esposito，F(xiàn)ancesca A L ISI.Ming Spatial Association Rules in Census Data［C］.Specifying Collective Qutputs from UN／ECE Activities on Statistical Information Teclmology，2002：541～550.

［5］李德仁，王樹良，李德毅.空間數(shù)據(jù)挖掘理論與應用［M］.北京：科學出版社，2006.

［6］董 春，張清浦，張家慶.地理因子庫的建立及應用探討［J］.遙感信息，2000（1）：12～16.

［7］陳江平，傅仲良，邊馥苓，等.基于空間分析的空間關聯(lián)規(guī)則提取［J］.計算機工程，2003（11）：29～30.

［8］Li D R，Cheng T.KDG－Knowledge Discovery from GIS.In：Pro－ceedings of the Canadian Conference on GIS，Ottawa，1994.

［9］胡彩平，秦小麟.空間數(shù)據(jù)挖掘研究綜述［J］.計算機科學，2007，34（5）：14～18.