复杂空间系统的Hasse图处理方案

模糊概念格比传统的空间关联规则算法具有更高的挖掘效率。可以利用模糊概念格的Hasse图的形式表达传统算法所产生的概念，其实质在概念格结构的基础上，找出所有项集的排列组合。因此传统算法生成了大量的节点，增加了格的复杂性。其实在上述的大量节点中，很多是冗余的，并不一定具有实际的意义，不满足每个节点所表示的对象是具有内涵几何中的共同属性的最多的对象集合。模糊概念格保证了概念节点的压缩存储，充分说明了它可以简洁明了地反映出数据之间的概念关系的特点，同时每个概念格节点都包含了该概念的内涵和外延所表达的最大的信息量。

但是土地利用系统中存在多种子系统和众多的对象，具有一定的层次结构，这些层次之间、对象之间存在着极为复杂的关联关系，因此从复杂巨系统理论的角度来看，土地利用系统可以认为是一个复杂巨系统。在应用概念格解决这一问题的过程中，首先需要解决的是格的构造问题，这已经在前面进行了研究，其次是为了提高挖掘效率和可视化的需要，有必要简化格的复杂性。由于概念格的完备性，即使对于适当大小的数据，也将会产生庞大的格结构，它的构造过程无疑是非常耗时的，因此研究复杂系统的处理方式也是本章研究的重点之一。

1.复杂系统的建格处理

对于类似于土地利用系统这样复杂的、大型的应用，建立模糊概念格时可能会产生大量的数对，占用大量的计算机系统资源。秦昆(2004)认为空间数据在进行概念格构造的过程中，其复杂性可以达到O(2n)，因此在具体的建格过程中应设法减少复杂性，认为一般可以用三种方法实现概念格的简化：①概念的内涵缩减，将对象的属性集合M减少为M′；②选择有代表性的样本来构建概念格；③寻找有效的编码技巧，减少空间复杂性。必须采取剪枝策略，减少格节点的数量。例如，只生成出现的频率大于某一支持度阈值的频繁概念格节点。在模糊背景中，通过阈值φdj(0≤φdj≤1)(背景中同一列的隶属度均值)可以将偏小的隶属度值置0，从而简化格的构造。另外考虑在格节点级上定义两个模糊参数E、δ，分别反映了模糊概念的外延中对象的平均隶属度和对象的隶属度值相对平均隶属度的偏离程度。通过E、δ，可以在提取模糊关联规则时，忽略偏离程度大的概念，使之不参与规则生成，简化提取过程。(www.xing528.com)

2.复杂系统的Hasse图处理

提出使用渐进式算法来构造模糊概念格，在建格的过程中，记录了格节点的层号，根据这些层号可以计算出各节点的坐标，简化了Hasse图的绘制问题。但是如前所述，土地利用系统是一个复杂的巨系统，土地利用现状数据库中存在几万个相关的记录，这时如果直接绘制Hasse图可能使其变得非常复杂，这样虽然比较全面但是不利于分析、理解和决策。因此秦昆(2004)提出利用一个更宏观的概念节点来表示，具体思想是通过寻找一些相对关系密切的概念子格，将子格作为一个整体，通过嵌套的Hasse图来减少视觉上的复杂性。在复杂的空间数据库中，实现这一思想是相对较难的，如何来寻找这些关系密切的概念子格，选择哪些进行嵌套表示都是需要研究的问题，同时这样的嵌套在形式上已经决定了Hasse图的理解难度。因此在土地利用数据库中还可以采用另外一种策略，土地用途分区就是要找出土地用途区与其他地类之间的关系，这是可以进行分类的，如基本农田与其他地类的关联规则、一般农田与其他地类的关系等，这样就可以实施人机交互，通过选择用户感兴趣的数据集进行Hasse图的绘制。