文档介绍：空间数据挖掘和知识发现的理论与方法
李德仁院士
武汉大学
测绘遥感信息工程国家重点实验室
二零零五年三月二十五日武汉
主要内容
1. 引言
2. 空间数据挖掘和知识发现的框架

1. 引言
数据挖掘和知识发现(DMKD)的发展简况
起源于从数据库发现知识(KDD),定义为“从数据中发现隐含的、先前不知道的、潜在有用的信息的非平凡过程”(1991)。
Fayyad等(1996)曾对KDD和数据挖掘(Data Mining)重新定义和加以区分。人们习惯上把DM和KDD合起来使用,称为DMKD。
对关系数据库和事务数据库的DMKD研究已取得很多进展,并有商用软件问世。
1. 引言
DMKD一般主要发现广义、分类、关联、预测等四类知识。
目前国际DMKD大会以及亚太DMKD会议每年举行一次。1997年1月,国际DMKD杂志创刊。
我国对DMKD的研究稍晚,目前已十分活跃。1993年国家自然科学基金首次支持该领域的研究项目。作者在1994年提出了从GIS数据库发现知识的建议(SDM&KDD)。
1. 引言
遥感和GIS对空间数据挖掘和知识发现的需求
数据海量---信息不足---知识贫乏
从GIS和影像数据库发现知识用于遥感图像解译
从属性数据库发现知识用于GIS的智能化空间分析
理论与技术框架
数据、信息和知识
空间数据挖掘和知识发现的定义和特点
发现状态空间理论
从空间数据库可发现的知识类型
空间数据挖掘和知识发现的方法
空间数据挖掘金字塔(Pyramid of Spatial Data Mining)
数据、信息和知识
空间数据挖掘和知识发现的定义和特点
空间数据挖掘和知识发现的定义
空间数据挖掘和知识发现(SDMKD)是从空间数据库中提取隐含的、用户感兴趣的空间的和非空间的模式和普遍特征的过程。
SDMKD的特点
需要确定数据挖掘的粒度
需要对图形和影像数据进行处理、分析和特征提取
发现状态空间理论
针对关系数据库的三维发现状态空间
面向属性的操作: 对属性之间关系的认识和发现
面向宏元组的操作: 对各宏元组之间一致性和差异性的认识和发现;
面向知识模板的操作: 是属性值从微观到宏观的操作,使知识模板上升到抽象级别更高的知识模板。
针对空间数据库的四维发现状态空间
面向空间尺度的操作:是对空间数据由细到粗的计算、变换、概括、综合的过程。
空间数据挖掘机理
人类思维:具有层次性,自然语言的语言原子是人类思维的原子模型,概念是人类思维的基本细胞单元。
概念空间:自然语言中的基本语言值是个定性概念,对应着一个定量的数据空间,反映概念的内涵和外延。
特征空间:人类思维过程中的对象,对应着一个定量的数据空间,反映对象的多个属性。
知识= 规则+例外
数据挖掘的机理:基于不同认知层次的“数据→概念→知识”视图,而空间知识则是各级的“规则加例外”。认知层次主要由粒度和尺度表达,
宏观层次:规则+ 例外
中观层次:规则+ 例外
微观层次:规则+ 例外