8、空间数据挖掘中的知识发现与表示

空间数据挖掘中的知识发现与表示

在空间数据挖掘（SDM）领域，知识的发现和表示是至关重要的环节。SDM致力于从空间数据中挖掘出有价值的信息，这些信息以“规则 + 例外”的模式呈现，涵盖了多种类型的规则和例外情况。

1. SDM与知识模式

SDM是从空间数据中发现和提取模式，并将其转换为具有视角的空间知识的过程。知识通常以“规则 + 例外”或“类 + 离群值”的模式存在。

1.1 规则与例外的概念

• 规则 ：包括一般性规则和个体性规则，比如关联、特征、判别、聚类、分类、序列、预测和功能依赖等。
• 例外 ：指规则的偏差，是从常见规则中孤立出来或由其他数据观察得出的异常情况。

1.2 空间数据挖掘的意义

SDM利用人类的综合认知，将单个对象转化为通用知识库，从具体数据抽象出模式，使用户能够整体把控空间数据集，把握数据本质。

2. 可发现的空间知识类型

从空间数据集中可以发现多种类型的知识，这些知识遵循“规则 + 例外”的模式，且与SDM任务类型相关。以下是常见的空间知识类型：
| 知识类型 | 解释 | 示例 |
| ---- | ---- | ---- |
| 关联规则 | 不同实体集之间的逻辑关联，用于研究数据库中项目同时出现的频率 | 雨（位置，雨量）⇒ 滑坡（位置，发生），支持度76%，置信度98%，兴趣度51% |
| 特征规则 | 一种或多种实体的共同特征，用于总结目标类中对象的相似特征 | 描述北京大