23、空间数据挖掘方法与数据场理论解析

空间数据挖掘方法与数据场理论解析

1. 空间数据挖掘方法概述

空间数据挖掘（SDM）运用多种方法和技术处理具有随机性的空间数据。以下是一些常见方法的对比：
| 方法 | 处理重点 | 数学基础 | 应用场景 |
| ---- | ---- | ---- | ---- |
| 清晰集理论、概率论、空间统计 | 处理具有随机性的SDM | 随机概率 | 处理随机数据 |
| 证据理论 | 扩展概率论 | 证据函数 | 处理不确定信息 |
| 空间聚类、空间分析 | 空间统计的扩展 | - | 空间数据的聚类和分析 |
| 模糊集 | 基于扩展集理论，关注模糊性 | 模糊隶属度 | 处理模糊信息 |
| 粗糙集 | 基于扩展集理论，强调不完备性 | 近似 | 处理不完备数据 |
| 云模型 | - | 隶属度的概率分布 | - |
| 规则归纳 | 在一定背景知识下执行 | - | 规则发现 |
| 聚类算法 | 无需背景知识 | - | 数据聚类 |
| 人工神经网络（ANN） | 实现自适应非线性动态系统 | - | 分类、聚类和预测 |
| 遗传算法（GA） | 确定最优解 | - | 优化问题求解 |
| 决策树 | 根据不同特征生成规则，以树结构表达分类或决策集 | - | 分类和决策 |
| 可视化 | 以可视化形式从空间数据中提取模式 | - | 数据模式展示 |
| 在线SDM | 基于多维视图构建，是数据挖掘的验证及基于网络的分析工具，强调操作效率和对用户命令的即时响应，直接数据源为空间数据仓库 | - | 实时数据挖掘 |

SDM不仅发展