面向土地用途分区的空间数据数据挖掘是数据挖掘的学科分支,但在挖掘对象、粒度及其属性方面又不同于普通的数据挖掘,在发现状态空间中比数据挖掘还多了尺度维。
1.挖掘的对象
一般数据挖掘的对象是常规的结构化关系数据库(如销售数据库),存储的是事务型数据,挖掘的属性直接取自字段或由简单的数学或逻辑运算派生。而空间数据挖掘的对象是空间数据集,既存储了空间对象的位置和属性等数据(如地图、处理过的遥感或医疗图像、城市空间功能的规划数据),也拥有空间对象之间的拓扑关系和距离信息。非结构化的空间图形数据兼有矢量和栅格两种,并分成多个图层,而且空间数据的存储结构、查询方式、数据分析和数据库操作等都有别于常规的事务型数据库。
2.挖掘的粒度及其属性
空间数据挖掘和数据挖掘的粒度不同。数据挖掘的粒度是事务型交易数据,而空间数据挖掘的粒度可以是点、线、面、多边形、体等空间对象,也可以是图像或栅格的像元(邸凯昌,2001),常互补采用两种空间粒度。采用矢量数据,以空间对象为粒度,空间数据挖掘可以利用空间对象的位置、形态、空间关联等特征,挖掘空间的分布规律、特征规则、分类规则等知识,直接用于决策分析。采用栅格数据,把像元作为粒度,空间数据挖掘可以利用像元的位置、多光谱值、高程、坡度等具体信息,提取图像特征,发现精确的分类规则,用于图像分类。(www.xing528.com)
粒度的属性也不同。一般数据挖掘挖掘的关系数据库中的粒度属性,直接取自字段或由简单的数学或逻辑运算派生。而空间数据库中的粒度的图形几何特征、空间关系等属性,一般并不直接存储于数据库中,而是隐含在多个图层的图形数据中,需利用矢量或栅格的数据,经过特定的空间运算和空间分析才能得到,如空间对象的高程来自叠置分析,邻接对象来自拓扑分析,对象间间距离来自缓冲和距离分析,像元的坡度坡向则来自数字高程模型(DEM)等地形分析。
3.发现状态空间的尺度
空间数据挖掘比数据挖掘还多了尺度维。数据挖掘赖以实施多种算法的发现状态空间(李德毅,1994)是三维的立体运作空间。纵向属性认识和发现属性之间的关系,横向宏元组理解和挖掘各种宏元组之间的一致性和差异性,二者构成特定知识模板的二维知识基。垂向模板是从微观到宏观的发现知识操作,由一块知识模板上升到抽象级别更高的另一块模板,可提高知识抽象度。而空间数据挖掘针对空间数据的特点,在三维发现状态空间的基础上又增加了尺度维,形成空间数据挖掘的四维发现状态空间(邸凯昌,2001)。在尺度维上,空间数据挖掘表达了空间数据由细至粗、多比例尺或多分辨率的几何变换过程。尺度越小,对空间目标表达越精细、越微观;尺度越大,对空间目标表达越概括、越宏观。面向尺度的操作,是对空间数据由细到粗的计算、变换、概括和综合过程。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。