资源描述：
《空间数据挖掘综述ppt课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、空间数据挖掘进展综述2011年3月3日EndNote心得31SDM概述2空间聚类综述目录空间数据挖掘的发展1989年1994年1995年2001年1stInternationalJointConferenceonArtificialIntelligence,IJCAI,DETROIT,MICHIGAN.首次出现KDD概念，标志着数据挖掘技术的诞生6ththeCanadianConferenceonGIS,Ottawa,Canada.李德仁首次提出KnowledgeDiscoveryfromGIS(KDG)1stInternational Conference on Knowle
2、dgeDiscoveryandDataMining,Montreal,Canada.诞生了数据挖掘学科李德仁将KDG进一步发展为空间数据挖掘和知识发现(SpatialDataMiningandKnowledgeDiscovery)3空间数据挖掘的概念数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。空间数据挖掘是在空间数据库或空间数据仓库的基础上，综合利用多门学科的理论技术，从海量空间数据中挖掘事先未知潜在有用最终可理解的可信新知识，揭示蕴含在空间数据中的客观世界的本质规律内在联系和发展
3、趋势，实现知识的自动获取，提供技术决策与经营决策的依据。4空间数据挖掘与数据挖掘的区别李德仁（2006），徐胜华（2008）挖掘的对象不同，或称数据源不同挖掘的粒度不同数据维数不同挖掘结果的不同5空间数据挖掘的分类MichaelMay（2007）空间数据挖掘地理数据挖掘(GeographicDataMining)其他空间数据挖掘6空间数据挖掘的分类王树良（2009）确定集合方法概率论证据理论和空间统计学空间关联规则归纳空间聚类空间分析7空间数据挖掘的分类扩展集合方法模糊集云模型粗集其他方法人工智能可视化决策树8空间数据挖掘顶尖研究小组（1/2）美国明尼苏达大学Universit
4、yofMinnesota SpatialDatabaseandSpatialDataMiningResearchGroupProf.ShashiShekhar9空间数据挖掘顶尖研究小组10空间数据挖掘顶尖研究小组（2/2）德国慕尼黑大学UniversityofMunich InstituteforComputerScience DatabaseandInformationSystemsDr.Hans-PeterKriegelDr.MartinEsterJörgSander11EndNote心得31SDM概述2空间聚类综述目录空间聚类的定义JiaweiHan（2001）给出的定义
5、是：Spatialclusteringistheprocessofgroupingasetofobjectsintoclassesorclusterssothatobjectswithinaclusterhavehighsimilarityincomparisontooneanother,butaredissimilartoobjectsinotherclusters.空间聚类规则把特征相近的空间实体数据划分到不同的组中，使组之间的差别尽可能大，而组内的差别尽可能小。13空间聚类算法的分类基于划分的聚类K-means(Lloyd,1957；J.MacQueen,1967)K-m
6、edoidsPAM(Kaufman,1990)CLARA(Kaufman,1990)CLARANS(R.T.Ng,1994)14空间聚类算法的分类基于层次的聚类BIRCH(T.Zhang,1996)ROCK(S.Guha,2000)Chameleon(K.George,1999)基于密度的聚类DBSCAN(M.Ester,1996)OPTICS(M.Ankerst,1999)15空间聚类算法的分类基于网格的聚类STING(W.Wang,1997)WaveCluster(G.Sheikholeslami,1998)基于模型的聚类EM(A.P.Dempster,1977)COBWE
7、B(DHFisher,1987)ANN16空间聚类的国外研究现状（1/5）Borah（2004，被引频次：21）针对DBSCAN算法需要扫描整个数据集，因此需要消耗大量资源的缺陷，提出了一种DBSCAN算法的改进算法IDBSCAN（Sampling-basedDBSCAN）。在DBSCAN算法中，假设Q为某核心对象P的邻域，若Q的邻域被P中的其他对象的邻域覆盖，则对Q的邻域的查询操作便可省略。事实上，在核心对象周围的很多对象都可以被忽略，因此可抽样一些有代表性的对象来描绘出核心对象的邻域，这
