数据挖掘的对象、挖掘的粒度及其属性

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。