5、空间数据挖掘：概念、特征与应用

空间数据挖掘：概念、特征与应用

1. 引言

空间数据挖掘（SDM）是从海量空间数据中提取通用知识的发现过程，它构建了一个从属性空间、特征空间到概念空间的金字塔。SDM 是一门跨学科的学科，与其他学科相关但又有所不同。接下来，我们将深入探讨 SDM 的基本概念、特征、与相关学科的区别以及其独特的金字塔模型。

2. SDM 概念

SDM 的目标是提高人类从大量复杂的数字数据集中提取知识和见解的能力。它能高效地从这些庞大的数据集中提取先前未知、潜在有用且最终可理解的知识，以完成特定任务。为实现可信、创新且有趣的提取，SDM 不仅依赖传统的数理统计、机器学习、模式识别、神经网络和人工智能理论，还采用了数据场、云模型和决策树等新方法。

2.1 SDM 特征

• 数据与知识的特性 ：SDM 从具体数据中提取抽象知识。数据是明确的，而知识在大多数情况下是隐含的。提取过程可能是用户与数据集之间的人机交互的重复过程。原始数据是对空间对象的原始观察，由于数据可能存在噪声和不确定性，如错误、不完整、冗余和稀疏性等，因此通常需要进行预处理，包括误差调整和数据清洗。
• 目标与能力 ：SDM 的目标是捕获知识，这些知识可能是空间的或非空间的，在空间数据集的框架下是先前未知、潜在有用且最终可理解的。它可以揭示空间对象模式的描述和预测，如空间规则、一般关系、总结特征、概念分类和检测到的异常。然而，SDM 是一个更为复杂的过程，包括对大型数据库的选择、探索和建模，以发现隐藏的模型和模式，数据分析只是其能力之一。SDM 实现了高性能分布式计算、数据的无缝集成、合