第6章空间数据仓库与挖掘案例.ppt

* * * 新的密度聚类算法2014 类簇的中心由一些局部密度比较低的点围绕, 并且这些点距离其他有高局部密度的点的距离都比较大 空间点聚类 犯罪热点分析 地震 签到 流行病分析 地价评估 Hot spots Question addressed Is a phenomenon spatially clustered? Which spatial entities or clusters are unusual? Which spatial entities share common characteristics? Examples: Cancer clusters [CDC] to launch investigations Crime hot spots to plan police patrols Defining unusual Comparison group: neighborhood entire population Significance: probability of being unusual is high 顾及空间障碍的聚类算法 基于划分的算法 基于图论的算法 基于密度的算法 轨迹聚类 先将每条轨迹分解为子轨迹集合 运用基于密度的方法对子轨迹进行聚类 用代表轨迹表达聚类簇 轨迹聚类 空间趋势挖掘 空间趋势指的是离开一个给定的起始对象时，非空间属性的变化情况。 例如，当离城市中心越来越远时经济形势的变化趋势。 空间趋势分析的结果可能是正向趋势、反向趋势，或者是没有趋势。 一般而言，要在空间数据结构和空间访问方法之上分析空间趋势需要使用回归和相关的分析方法。 空间数据 非空间数据 概念层次 GeoMiner：知识发现模块 空间数据库服务器和数据立方体 图形用户界面 空间特征规则发现模块 空间关联规则发现模块 空间比较规则发现模块 空间预测模块 空间模式分析模块 空间分类规则发现模块 空间聚类分析模块 未来的空间发现模块 * * * * * * * * * * * * * * * * * * * * * * * * * * * * 空间数据仓库与数据挖掘 空间数据仓库的概念和内涵 空间数据仓库（Spatial Data Warehouse，简称SDW）是集成的、面向主题的、相对稳定的、反映时间变化和地理空间变化的空间数据存储，以支持各级管理人员基于空间数据的分析和决策。 空间数据仓库是GIS、空间数据库与数据仓库技术相结合的产物，它是数据仓库与空间处理分析的综合，具有空间，时间和主题的高度集成。 空间数据仓库应用（空间决策支持系统等） 分析结果 联机分析处理 数据挖掘 空间数据仓库中信息 多级存储策略 数据库 空间数据库系统（数据管理部分） SDB SDB SDB 数据采集与输入系统（数据源部分） 核心GIS 数据 政府统计 数据 市场经济 数据 土地利用 数据 分析工具 ETL 数据输入 决策运算 MB KB 空间数据仓库的体系结构 空间数据仓库与商业数据仓库有很大的不同。 商业数据仓库是完全建立在RDBMS基础之上的 空间数据包括属性数据、几何数据及拓扑数据,目前GIS中的属性数据用RDBMS来管理, 几何数据及拓扑数据未能完全用关系型数据库来管理。 空间数据仓库的关键技术 支持空间信息的空间数据仓库模型的研究 空间数据仓库的数据模型是一般数据仓库的数据模型在空间域的有效扩充，要针对空间信息的特点，对星型模型和雪花模型进行扩展。与一般数据仓库模型相比，空间数据仓库要管理复杂的空间数据类型，其维和度量中不仅包括简单数据类型的数据，而且包含复杂的空间对象。由于空间对象占用的存储空间大，其操作也很复杂，因此需要扩充维和度量的定义，如研究空间数据的立方体模型，以便更有效地处理这样的维和度量。 面向海量空间信息的数据存储策略 空间数据仓库包含海量的空间信息，支持海量空间信息的高效存储是空间数据仓库的需求，也是空间数据仓库的重要特征。空间信息的计算耗费的资源很多 ，研究空间信息的合理存储策略（如数据分片等），以便于计算和显示，是非常重要的。 空间数据仓库的关键技术 支持空间数据导航的元数据机制 空间数据仓库的元数据必须支持对空间数据分析的导航。主要内容包括：空间数据仓库的描述信息、信息源描述信息、数据转换方法的描述信息，数据加载方法的描述信息、业务术语的定义、业务处理规则的描述信息等。 面向海量空间信息高效检索的空间索引机制 空间数据仓库的建模 多维数据模型选择 多维数据模型是资源环境空间数据仓库进行联机分析处理或多维分析的基础，维是观察问题的角度，通过多维模型可以对观察对象(某一主题)的不同侧而不同层次上进行分析。数据模式主要有:星型模式、雪花模式、混介模