文档介绍：分类号: 密级:
200611
学号: 7 单位代码: 10407

硕士学位论文

论文题目: GML 空间数据挖掘技术研究

研究方向与空间数据库
GML
专业名称计算机应用技术
研究生姓名徐红伟

导师姓名、职称兰小机教授

2008 年 12 月 21 日
I
江西·赣州
II
摘要
空间数据挖掘是指从大量的、不完全的、有噪声的、模糊的空间数据中提取出隐含在
其中的、人们事先不知道的但又潜在有用的知识的半自动化方法,它是解决“空间数据丰
富、但信息贫乏”的有效方法。近十年来,空间数据挖掘在理论与实践上都得到了广泛研
究,并被应用于工业及自然科学(比如:地理信息系统)等各个领域。
GML(Geography Markup Language 即地理标识语言)是由 XML(eXtensible Markup
Language)发展而来的一种简单、灵活的文本格式,它以其可扩展、平***立、灵活、规
范、简单等特点以及强大的数据表达能力,在网络及其它领域的数据表示与交换方面扮演
着越来越重要的角色。越来越多的空间数据以 GML 文档进行存储,在这些数据中隐含着
大量的知识信息与各类模式,因此,人们迫切需要一些有效的方法来从中提取出一些潜在
的、有价值的知识,这就是 GML 数据挖掘。
基于以上分析,本文首先介绍了传统的数据挖掘与空间数据挖掘技术、XML 与 GML
的基本理论,同时还介绍了演化算法相关知识;从分析空间数据的特点入手,简要的介绍
了用常规方法进行空间数据聚类分析的难点和不足,提出了一种基于改进的演化算法空间
数据聚类方法——SDCEA,它有效的解决了用传统方法进行空间数据聚类分析时存在的问
题,从而增强了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;最后,采用 Visual C#.NET 与 ArcObjects 相结合,实现
了对空间缓冲区分析的功能,在实验中选取 ArcMap 自带的一个 GML 数据源,通过对其点、
线、面的缓冲区分析,从而高效、直观地提取出隐含在 GML 数据文档中的信息,实现了
GML 空间数据挖掘。
关键词:GML,空间数据,数据挖掘,演化算法,聚类,空间缓冲区分析

III
Abstract
Spatial data mining is a non-trivial process of identifying valid, novel, potentially useful, and
ultimately understandable patterns in spatial data. It is an efficient method for resolving the
problem of “spatial data rich-information poor”. For the last decades, spatial data mining is
extensively studied in theory and practice, and applied to various fields such as industry, and
natural sciences(for example: Geographic Information System).
GML(Geography Markup Language) is a simple,very flexible text format derived from
XML(eXtensible Markup Language). GML is playing an increasingly important role in the
exchange and respresent of a wide variety of data on the Web and elsewhere due to its
expansibility, platform-independence, flexibility, simpleness, standardization and powerful
ability for representing spatial data. Hence, there have been increasing demands for efficient
methods t