10、不同粒度级别的空间关联分类：概率方法

不同粒度级别的空间关联分类：概率方法

1. 引言

随着卫星系统和遥感系统等数据收集工具的发展，空间数据量迅速增长，这推动了空间数据结构、空间推理和计算几何等领域的进步，以满足空间数据库中对现实世界几何图形的存储和复杂处理需求。空间数据库包含具有几何表示（如二维空间中的点、线和区域）以及多个非空间属性的空间对象。在地理营销和环境分析等实际应用中，空间数据库的广泛使用使得人们对空间数据挖掘的兴趣日益浓厚，即挖掘有趣、有用但隐含的知识。

空间对象的分类是空间数据挖掘的一项基本任务，训练数据由多个目标空间对象（主数据）和可能与之空间相关的其他非目标空间对象（辅助数据）组成。其目标是根据两个或多个空间参考对象的交互或与空间相关的属性，学习每个类别的概念。然而，挖掘空间分类模型面临两个主要的复杂来源：
- 空间关系的隐式定义 ：空间对象的几何表示和相对位置隐式地定义了不同性质的空间关系，如方向和拓扑关系。对这些空间关系进行建模是空间领域分类问题的关键挑战，因为待分类对象及其空间相关对象的属性值都可能与分类相关。
- 空间对象的粒度 ：空间对象可以在多个粒度级别上进行描述。例如，英国的人口普查数据可以根据区域对象的层次结构进行地理参考。因此，考虑与任务相关的地理图层的分类知识，有助于获得不同粒度级别的描述。

为了解决这些问题，本文提出了一种基于多关系方法的新型空间分类方法，该方法考虑了空间关系。分类是概率性的，基于朴素贝叶斯分类器对多关系数据的扩展。分类规则通过一个能够在多个粒度级别生成关联规则的空间关联规则发现系统自动生成。该方法已在一个与对象关系型空间数据库紧密集成的数据挖掘系统中实现，它可以在