不确定性空间数据挖掘算法模型  

Uncertain Spatial Data Mining Algorithms

作　　者：何彬彬[1] 方涛[2] 郭达志[3] 

机构地区：[1]电子科技大学地表空间信息技术研究所 [2]上海交通大学图像处理与模式识别研究所 [3]中国矿业大学环境与测绘学院

出　　处：《中国矿业大学学报》2007年第1期121-125,共5页Journal of China University of Mining & Technology

基　　金：国家自然科学基金项目(60275021);中国博士后科学基金(20060390326)

摘　　要：在分析空间数据和空间数据挖掘的不确定性基础上,针对传统空间数据挖掘的局限性,将空间数据的不确定性和空间数据挖掘的不确定性有机结合,以EM算法和Apriori算法为基础,建立了不确定性空间数据挖掘算法模型,包括不确定性空间数据聚类算法(UNEM)和不确定性空间数据关联规则挖掘模型(USAR).并以中国37个有代表性的大中城市的地理空间经济数据为例,进行实验验证,结果表明:采用不确定性空间数据挖掘算法模型比传统的空间数据挖掘方法得到的知识更为真实客观.On the basis of analyzing the uncertainties of spatial data and spatial data mining （SDM）, in view of the limits of traditional spatial data mining, the uncertainties of spatial data and spatial data mining were properly combined. Based on EM algorithm and Apriori algorithm, the uncertain spatial data mining algorithms, including uncertain spatial clustering algorithm （uncertain neighborhood expectation maximum, UNEM） and uncertain spatial association rules mining （USAR） model were Presented. Meanwhile, the experiments concerned have been performed using the geo-spatial data from 37 typified cites in China. The results show that the knowledge acquired through the uncertain spatial data mining algorithms is more real and objective than those through traditional spatial data mining methods.

关 键 词：不确定性 空间数据挖掘 UNEM算法 USAR模型 质量评价 

分 类 号：P2[天文地球—测绘科学与技术] TP391[自动化与计算机技术—计算机应用技术]