引入概念格与语义相似度模型解决空间关联知识获得的瓶颈问题

通过分析和借鉴已有的空间关系、概念格和人工免疫系统的相关研究成果，针对土地用途分区的问题进行改进，开展相关理论和方法的创新研究，可以总结为以下几点：

①探讨领域空间数据挖掘体系，提出土地用途分区模型。在总结已有研究工作的基础上，提出了面向土地用途分区的空间数据挖掘框架体系。

②基于模糊概念格的空间关联知识挖掘模型研究。针对目前空间关联规则难于获得的问题，本研究拟对概念格进行改进并引入到空间关联规则挖掘中，提出地理实体语义相似度模型，解决空间关联知识获得的瓶颈问题。

③融入土地利用领域知识指导的土地用途分区。空间数据聚类是发现空间数据隐含知识的主要方法，提出混沌免疫克隆选择聚类算法，用于土地用途分区。通过领域知识的指导，控制数据挖掘过程和辅助数据挖掘结果知识的选择、解释和验证，避免基于统计、证据、神经网络等传统数据挖掘方法由于搜索空间增大后出现盲目搜索和数据过拟的问题。通过对小图斑模式的分析，提出顾及地理实体语义相似度的土地用途分区模型。

图1-1　面向土地用途分区的空间数据挖掘研究技术路线

④开展应用研究，在建立面向土地用途分区的空间数据挖掘模型的基础上，开展应用研究，解决目前土地利用总体规划的核心问题——土地用途分区存在的智能化不足。(www.xing528.com)

在本研究中，需要解决的关键问题主要包括以下几个方面：

①研究面向土地用途分区的空间数据挖掘模型；

②建立面向土地用途分区的空间数据挖掘体系和挖掘方法；

③研究高效的空间关联规则挖掘模型如何处理复杂空间数据的问题；

④研究基于知识的土地用途分区挖掘模型；

⑤面向土地用途分区的空间数据挖掘原型系统的设计与实现，解决土地用途分区这一复杂巨系统的模型应用问题。