摘  要： 在這個(gè)大數(shù)據(jù)時(shí)代，空間數(shù)據(jù)正在從各個(gè)領(lǐng)域飛速累計(jì)。空間數(shù)據(jù)挖掘作為數(shù)據(jù)挖掘的一部分，現(xiàn)已成為人們研究空間數(shù)據(jù)的重點(diǎn)學(xué)科。主要介紹了空間數(shù)據(jù)挖掘的基本概念、一般步驟及其最新的挖掘方法，表達(dá)了對(duì)當(dāng)前空間數(shù)據(jù)挖掘的看法。最后對(duì)未來(lái)空間數(shù)據(jù)挖掘的研究方向進(jìn)行了更加深入的探討。

　　關(guān)鍵詞： 大數(shù)據(jù)；空間數(shù)據(jù)挖掘；挖掘方法

0 引言

　　空間數(shù)據(jù)挖掘（Spatial Data Mining，SDM）即找出開(kāi)始并不知道但是卻隱藏在空間數(shù)據(jù)中潛在的、有價(jià)值的規(guī)則的過(guò)程。具體來(lái)說(shuō)，空間數(shù)據(jù)挖掘就是在海量空間數(shù)據(jù)集中，結(jié)合確定集、模糊集、仿生學(xué)等理論，利用人工智能、模式識(shí)別等科學(xué)技術(shù)，提取出令人相信的、潛在有用的知識(shí)，發(fā)現(xiàn)空間數(shù)據(jù)集背后隱藏的規(guī)律、聯(lián)系，為空間決策提供理論技術(shù)上的依據(jù)[1]。

1 空間數(shù)據(jù)挖掘的一般步驟

　　空間數(shù)據(jù)挖掘系統(tǒng)大致可以分為以下步驟：

　?。?）空間數(shù)據(jù)準(zhǔn)備：選擇合適的多種數(shù)據(jù)來(lái)源，包括地圖數(shù)據(jù)、影像數(shù)據(jù)、地形數(shù)據(jù)、屬性數(shù)據(jù)等。

　?。?）空間數(shù)據(jù)預(yù)處理和特征提?。簲?shù)據(jù)預(yù)處理目的是去除數(shù)據(jù)中的噪聲，包括對(duì)數(shù)據(jù)的清洗、數(shù)據(jù)的轉(zhuǎn)換、數(shù)據(jù)的集成等。特征提取是剔除掉冗余或不相關(guān)的特征并將特征轉(zhuǎn)化為適合數(shù)據(jù)挖掘的新特征。

　?。?）空間數(shù)據(jù)挖掘和知識(shí)評(píng)估：采用空間數(shù)據(jù)挖掘技術(shù)對(duì)空間數(shù)據(jù)進(jìn)行分析處理和預(yù)測(cè)，從而發(fā)現(xiàn)數(shù)據(jù)背后的某種聯(lián)系。然后結(jié)合具體的領(lǐng)域知識(shí)進(jìn)行評(píng)估，看是否達(dá)到預(yù)期效果。

2 空間數(shù)據(jù)挖掘的方法研究

　　空間數(shù)據(jù)挖掘是一門綜合型的交叉學(xué)科，結(jié)合了計(jì)算機(jī)科學(xué)、統(tǒng)計(jì)學(xué)、地理學(xué)等領(lǐng)域的很多特性，產(chǎn)生了大量處理空間數(shù)據(jù)的挖掘方法。

　　2.1 空間關(guān)聯(lián)規(guī)則

　　關(guān)聯(lián)規(guī)則挖掘是尋找數(shù)據(jù)項(xiàng)之間的聯(lián)系，表達(dá)式形式是X→Y，其中X與Y是兩種不相交的數(shù)據(jù)項(xiàng)集，即X∩Y=?覫。KOPERSKI K等人將關(guān)聯(lián)規(guī)則與空間數(shù)據(jù)庫(kù)相結(jié)合，提出了空間關(guān)聯(lián)規(guī)則挖掘[2]。空間關(guān)聯(lián)規(guī)則將數(shù)據(jù)項(xiàng)替換為了空間謂詞，一般表達(dá)形式如下：

　　A1∧A2∧…∧An→B1∧B2∧…∧Bm（3）

　　令A(yù)=（A1，A2，…，An），B=（B1，B2，…，Bm），A和B分別表示Ai和Bj的謂詞集合，A和B可以是空間謂詞或非空間謂詞，但是必須至少包含一個(gè)空間謂詞且A∩B=?覫。SHEKHAR S和HUANG Y針對(duì)空間關(guān)聯(lián)規(guī)則的特點(diǎn)提出了把關(guān)聯(lián)規(guī)則的思想泛化成空間索引點(diǎn)集的空間同位規(guī)則的概念，在不違背空間相關(guān)性的同時(shí)用鄰域替換掉了事務(wù)[3]。時(shí)空關(guān)聯(lián)不僅涉及事件在空間中的關(guān)聯(lián)，還考慮了空間位置和時(shí)間序列因素。國(guó)內(nèi)的柴思躍、蘇奮振和周成虎提出了基于周期表的時(shí)空關(guān)聯(lián)規(guī)則挖掘方法[4]。

　　2.2 空間聚類

　　空間聚類分析是普通聚類分析的擴(kuò)展，不能完全按照處理普通數(shù)據(jù)的聚類分析方法來(lái)處理空間數(shù)據(jù)。由于存在地理學(xué)第一定律，即空間對(duì)象之間都存在一定的相關(guān)性，因此在空間聚類分析中，對(duì)于簇內(nèi)的定義，要考慮空間自相關(guān)這一因素。通過(guò)對(duì)空間數(shù)據(jù)進(jìn)行自相關(guān)分析，可判斷對(duì)象之間是否存在空間相關(guān)性，從而可合理判斷出對(duì)象是否可以分為一簇。

　　基本的聚類挖掘算法有：

　?。?）劃分聚類算法：存在n個(gè)數(shù)據(jù)對(duì)象，對(duì)于給定k個(gè)分組（k≤n），將n個(gè)對(duì)象通過(guò)基于一定目標(biāo)劃分規(guī)則，不停迭代、優(yōu)化，直到將這n個(gè)對(duì)象分配到k個(gè)分組中，使得每組內(nèi)部對(duì)象相似度大于組之間相似度。

　?。?）層次聚類算法：通過(guò)將數(shù)據(jù)不停地拆分與重組，最終把數(shù)據(jù)轉(zhuǎn)為一棵符合一定標(biāo)準(zhǔn)的具有層次結(jié)構(gòu)的聚類樹(shù)。

　?。?）密度聚類算法：用低密度的區(qū)域?qū)?shù)據(jù)對(duì)象進(jìn)行分割，最終將數(shù)據(jù)對(duì)象聚類成為若干高密度的區(qū)域。

　?。?）圖聚類算法：用空間結(jié)點(diǎn)表示每個(gè)數(shù)據(jù)對(duì)象，然后基于一定標(biāo)準(zhǔn)形成若干子圖，最后把所有子圖聚類成一個(gè)包含所有空間對(duì)象的整圖，子圖則代表一個(gè)個(gè)空間簇。

　　（5）網(wǎng)格聚類算法：把空間區(qū)域分割成具有多重分辨率的和有網(wǎng)格結(jié)構(gòu)特性的若干網(wǎng)格單元，在網(wǎng)格單元上對(duì)數(shù)據(jù)進(jìn)行聚類。

　　（6）模型聚類算法：借助一定的數(shù)學(xué)模型，使用最佳擬合數(shù)據(jù)的數(shù)學(xué)模型來(lái)對(duì)數(shù)據(jù)進(jìn)行聚類，每一個(gè)簇用一個(gè)概率分布表示。

　　僅采用一種算法通常無(wú)法達(dá)到令人滿意的預(yù)期結(jié)果，王家耀、張雪萍、周海燕將遺傳算法與K-均值算法結(jié)合提出了用于空間聚類分析的遺傳K-均值算法[5]?，F(xiàn)實(shí)空間環(huán)境中，存在很多像道路、橋梁、河流的障礙物，張雪萍、楊騰飛等人把K-Medoids算法與量子粒子群算法結(jié)合進(jìn)行帶有空間障礙約束的聚類分析[6]。

　　2.3 空間分類

　　分類，簡(jiǎn)單地說(shuō)是通過(guò)學(xué)習(xí)得到一定的分類模型，然后把數(shù)據(jù)對(duì)象按照分類模型劃分至預(yù)先給定類的過(guò)程?？臻g分類時(shí)，不僅考慮數(shù)據(jù)對(duì)象的非空間屬性，還要顧及鄰近對(duì)象的非空間屬性對(duì)其類別的影響，是一種監(jiān)督式的分析方法。

　　空間分類挖掘方法有統(tǒng)計(jì)方法、機(jī)器學(xué)習(xí)的方法和神經(jīng)網(wǎng)絡(luò)方法等。貝葉斯分類器是基于統(tǒng)計(jì)學(xué)的方法，利用數(shù)據(jù)對(duì)象的先驗(yàn)概率和貝葉斯公式計(jì)算出其后驗(yàn)概率，選擇較大后驗(yàn)概率的類作為該對(duì)象映射的類別。決策樹(shù)分類器是機(jī)器學(xué)習(xí)的方法，采取從上到下的貪心策略，比較決策樹(shù)內(nèi)部節(jié)點(diǎn)的屬性值來(lái)往下建立決策樹(shù)的各分支，每個(gè)葉節(jié)點(diǎn)代表滿足某個(gè)條件的屬性值，從根節(jié)點(diǎn)到葉節(jié)點(diǎn)的路徑表示一條合適的規(guī)則。支持向量機(jī)也是機(jī)器學(xué)習(xí)的方法，思路是使用非線性映射把訓(xùn)練數(shù)據(jù)集映射到較高維，然后尋找出最大邊緣超平面，將數(shù)據(jù)對(duì)象分類。神經(jīng)網(wǎng)絡(luò)是一種模擬人神經(jīng)的網(wǎng)絡(luò)，由一組連接的輸入和輸出單元組成，賦予各個(gè)連接相應(yīng)的權(quán)值，通過(guò)調(diào)節(jié)各連接的權(quán)值使得數(shù)據(jù)對(duì)象得到正確分類。

　　針對(duì)融入空間自相關(guān)性的空間分類挖掘，SHEKHAR S等人使用空間自回歸模型和基于貝葉斯的馬可夫隨機(jī)場(chǎng)進(jìn)行空間分類挖掘[7]，汪閩、駱劍承、周成虎等人將高斯馬爾可夫隨機(jī)場(chǎng)與支持向量機(jī)結(jié)合并將其用于遙感圖像的信息提取[8]。

　　2.4 其他空間挖掘方法

　　空間數(shù)據(jù)挖掘的方法多種多樣，其他還包括：空間分析的方法，即利用GIS的方法、技術(shù)和理論對(duì)空間數(shù)據(jù)進(jìn)行加工處理，從而找出未知有用的信息模式；基于模糊集、粗糙集和云理論的方法可用來(lái)分析具有不確定性的空間數(shù)據(jù)；可視化方法是對(duì)空間數(shù)據(jù)對(duì)象的視覺(jué)表示，通過(guò)一定技術(shù)用圖像的形式表達(dá)要分析的空間數(shù)據(jù)，從而得到其隱含的信息；國(guó)內(nèi)張自嘉、岳邦珊、潘琦等人將蟻群算法與自適應(yīng)濾波的模糊聚類算法相結(jié)合用以對(duì)圖像進(jìn)行分割[9]。

3 結(jié)論

　　空間數(shù)據(jù)挖掘作為數(shù)據(jù)挖掘的延伸，有很好的傳統(tǒng)數(shù)據(jù)挖掘方法理論的基礎(chǔ)，雖然取得了很大進(jìn)步，然而其理論和方法仍需進(jìn)一步的深入研究。伴隨著大數(shù)據(jù)時(shí)代，面對(duì)越來(lái)越多的空間數(shù)據(jù)，提升數(shù)據(jù)挖掘的準(zhǔn)確度和精度是一個(gè)有待研究的問(wèn)題。同時(shí)現(xiàn)在流行的空間數(shù)據(jù)挖掘算法的時(shí)間復(fù)雜度仍停留在O（nlog（n））~O（n3）之間，處理大量的異構(gòu)數(shù)據(jù)，數(shù)據(jù)挖掘算法的效率也需要進(jìn)一步提高。數(shù)據(jù)挖掘在云環(huán)境下已經(jīng)得到很好的應(yīng)用[10]，對(duì)于處理空間數(shù)據(jù)的空間云計(jì)算是有待學(xué)者們研究的方向。大多數(shù)空間數(shù)據(jù)挖掘算法沒(méi)有考慮含有障礙約束的情況，如何解決現(xiàn)實(shí)中障礙約束問(wèn)題值得探討。帶有時(shí)間屬性的空間數(shù)據(jù)呈現(xiàn)出了一種動(dòng)態(tài)、可變的空間現(xiàn)象，時(shí)空數(shù)據(jù)挖掘?qū)⑹俏磥?lái)研究的重點(diǎn)。

　　由于數(shù)據(jù)挖掘涉及多種學(xué)科，其基本理論與方法也已經(jīng)比較成熟，針對(duì)空間數(shù)據(jù)挖掘，如何合理地利用和拓展這些理論方法以實(shí)現(xiàn)對(duì)空間數(shù)據(jù)的挖掘仍將是研究人員們需要長(zhǎng)期努力的方向。

參考文獻(xiàn)

　　[1] 李德仁，王樹(shù)良，李德毅.空間數(shù)據(jù)挖掘理論與應(yīng)用（第2版）[M].北京：科學(xué)出版社，2013.

　　[2] KOPERSKI K， HAN J W. Discovery of spatial association rules in geographic information databases[C]. Procedings of the 4th International Symposium on Advances in Spatial Databases， 1995： 47-66.

　　[3] SHEKHAR S， HUANG Y. Discovering spatial co-location patterns： a summary of results[C]. Procedings of the 7th International Symposium on Advances in Spatial and Temporal Databases， 2001：236-256.

　　[4] 柴思躍，蘇奮振，周成虎．基于周期表的時(shí)空關(guān)聯(lián)規(guī)則挖掘方法與實(shí)驗(yàn)[J]．地球信息科學(xué)學(xué)報(bào)，2011，13（4）：455-464.

　　[5] 王家耀，張雪萍，周海燕.一個(gè)用于空間聚類分析的遺傳K-均值算法[J].計(jì)算機(jī)工程，2006，32（3）：188-190.

　　[6] Zhang Xueping， Du Haohua， Yang Tengfei， et al. A novel spatial clustering with obstacles constraints based on PNPSO and K-medoids[C]. Advances in Swarm Intelligence， Lecture Notes in Computer Science （LNCS）， 2010： 476-483.

　　[7] SHEKHAR S， SCHRATER P R， VATSAVAI R R， et al．Spatial contextual classification and prediction models for mining geospatial data[J]． IEEE Transactions on Multimedia， 2002， 4（2）：174-187.

　　[8] 汪閩，駱劍承，周成虎，等.結(jié)合高斯馬爾可夫隨機(jī)場(chǎng)紋理模型與支撐向量機(jī)在高分辨率遙感圖像上提取道路網(wǎng)[J].遙感學(xué)報(bào)，2005，9（3）：271-275.

　　[9] 張自嘉，岳邦珊，潘琦，等.基于蟻群和自適應(yīng)濾波的模糊聚類圖像分割[J].電子技術(shù)應(yīng)用，2015，41（4）：144-147.

　　[10] 石杰.云計(jì)算環(huán)境下的數(shù)據(jù)挖掘應(yīng)用[J].微型機(jī)與應(yīng)用，2015，34（5）：13-15.