学习空间数据挖掘的总结

空间数据挖掘

       空间数据挖掘是数据挖掘的一个分支，数据挖掘是当今大数据盛行一种规律获取方法，这些规律隐藏在数据之中，人们很难通过简单的比较，归纳而得到，必须通过数据之间大量分析来获取。空间数据挖掘就是从空间数据中提取隐含其中、事先未知、潜在有用、最终可理解的空间或非空间的一般知识规则的过程，具体来说，就是在空间数据库或空间数据仓库的基础上，综合利用确定集合理论、扩展集合理论、仿生学方法、可视化、决策树、数据场等理论方法，以及相关的人工智能、机器学习、专家系统、模式识别、网络等信息技术，从大量含有噪声、不确定性的空间数据中，析取人们可信的、新颖的、感兴趣的、隐藏的、事先未知的、潜在有用的和最终可理解的知识，揭示蕴含在数据背后的客观世界的本质规律、内在联系和发展趋势，实现知识的自动获取，为技术决策与经营决策提供不同层次的知识依据。

一、空间数据挖掘的数据源

空间数据的内容：位置数据；属性数据；图形图像；网络数据；文本数据；多媒体数据等

空间数据特性：空间特性；专题特性；时间特性等

空间数据种类：空间数据挖掘的数据源极其广泛，包括观测数据、地图、遥感数据和统计数据等，可以分为原始数据（第一手直接数据）或加工处理后的数据（第二手间接数据）。

二、空间数据挖掘可用的理论方法

1.确定集合理论

（1）概率论

（2）证据理论

（3）空间统计学

（4）规则归纳

（5）聚类分析

（6）空间分析

2.扩展集合论方法

（1）模糊集

（2）云模型

（3）粗集

（4）地学粗空间

3.仿生学方法

（1）神经网络

（2）遗传算法

4.决策树

5.可视化