伺服电机编码器类型:GIS与空间数据挖掘技术集成问题的研究

Now ,a great deal of raw data are stored in the database of GIS ,but we often find that we have
more information than we know what to do with. So we solve the problem with the technology of Spatial
Data Mining. The paper put forward 3 integration modes between GIS and SDM. In the end , the paper
set forth what kind of information could be mined and pointed out the significance of the studying on
integration between GIS and SDM.
Keywords 　GIS; Spatial Data Mining ;integration
作者简介:张瑞菊,女,1979 年生,硕士生,研究方向为现代测绘理
论与测量数据处理。
收稿日期:2002 - 11 - 04
1 　GIS 目前需要解决的问题
地理信息系统是综合分析空间数据的一种技术系统,它包括空间数据的采集、存储、管理和分析。多年以来,人们仅仅认识到它是一个管理空间数据的系统,而忽略了它还是包括信息量十分
庞大的数据库。数据是地理信息系统的重要组成部分,地理信息系统中的数据包括空间数据和非
空间数据。空间数据是与空间地理位置相关的数据,包括遥感平台获得并经处理的遥感图像、电子地图、CAD 图形等以及任何经过Geo - Reference的实体。地球上85 %的数据可以归类为空间数据。空间数据具有空间性、基础性、非结构性特征,空间数据是最主要的信息载体。
随着卫星和遥感技术以及其他自动数据获取设备的迅速发展,极大提高了社会经济各部门生产、收集、存储和处理数据的能力,日益丰富的空间和非空间数据收集存储于大空间数据库中,而
且由于地学现象的复杂性和地理过程的不确定性,完全定量方法获取的空间数据的数量、大小和
复杂性都在飞快地增长,已经远远超出了人的解译能力。作为经验和教训的积累,数据库无异于
一个巨大的宝藏,当其积累到一定程度时,必然会反映出某些规律。可是,目前的空间数据库系统
可以高效地实现数据的录入、修改、统计、查询等功能,却无法发现隐藏在数据背后的关系、规则和发展趋势等知识。同时,人们对信息的需求水平越来越高,希望能够对其进行更高层次的分析和利用。地理信息系统(GIS) 是空间数据库发展的主体,随着GIS 技术发展和应用的深入,新的需求推动着GIS 从数据库型转入分析型阶段。目前GIS 的分析功能还很弱且不灵活,GIS 所提供的分析功能只局限于一些图形操作,如叠置分析、缓冲区分析、网络分析等,无法析取隐含模式和规律,它的逻辑结构和智能层次不能满足解决复杂空间决策问题的需要,特别是那些非结构化的问题,而这一些远远赶不上GIS 发展的速度,满足不了广大GIS 用户的需求,促使人们探讨新的技术手段去解决现在面临的问题。
2 　GIS 与空间数据挖掘技术集成的必要性
数据库系统最新的数据挖掘技术为GIS 组织、管理海量空间和非空间数据提供了新的思路。

 

GIS 中含有大量的空间和属性数据,有着比一般关系数据库和事务数据库更加丰富和复杂的语义
信息,所以我们把GIS 数据库与空间数据库等同起来,并认为从GIS 数据库中发现知识与空间数
据挖掘(SDM) 有相同的内涵。GIS 吸收数据仓库的思想,将空间分析和空间数据挖掘方法紧密集成,充分利用GIS 数据存储、管理空间数据的功能,使海量的地理空间数据变成无限的知识,使
GIS 成为智能的信息系统。
空间数据挖掘技术是数据挖掘技术的分支,是数据挖掘的主要研究内容之一。空间数据挖掘,或称“从空间数据库中发现知识”,是指从空间数据库中提取用户感兴趣的空间模式与特征、空
间与非空间数据的普遍关系及其它一些隐含在数据库中的普遍的数据特征,它是KDD 技术在空间数据库方面应用的延伸。空间数据挖掘技术的应用,一方面可使GIS 查询和分析技术提高到发现知识的新阶段,另一方面从中发现的知识可构成知识库用于建立智能化的GIS 系统,因为单纯专家系统技术的引入使GIS 具有一定的自动性及智能性,但是它远不能称为一个真正的“智能”系统(因为专家系统不具备自动学习的能力,GIS 中的专家系统仅能利用已有的知识进行推导) ,而空间数据挖掘和知识发现技术的引入,将使系统具有自动学习的功能,能使系统自动获取知识,使GIS有可能成为真正的“智能”系统。可以说,专家系统与GIS 的结合,使GIS 成为一种空间咨询和决策支持系统,而KDD 与GIS 的结合,会使GIS 成为真正的智能空间信息系统,而且也将促进GPS、DPS、RS、GIS 与ES 等技术的完整集成。
3 　GIS 与空间数据挖掘的集成模式GIS 的对象是地理实体,GIS 的操作对象是地理实体的数据。GIS 的技术优势在于它的混合数
据结构和有效的数据集成、独特的地理空间分析能力、快速的空间定位搜索和复杂的查询功能等,其中,通过地理空间分析可以产生常规方法难以获得的重要信息,实现在系统支持下的地理过程
动态模拟和决策支持。然而,通用GIS 的数据管
理、查询和空间分析功能对于大多数的应用问题
是远远不够的。我们应根据某种应用目标和任务
要求,从相应专业或学科出发,对客观世界进行深
入分析研究,GIS 与空间数据挖掘集成技术的研
究是重点研究的方向之一。
GIS数据库中存储的数据包含空间数据和属
性数据,它们之间具有密切的联系,为解决两者之
间的联接、查询和管理的问题,解决的方法主要有
三种方式:混合式、扩展式和开放式。我们在研究
GIS 与空间数据挖掘集成的问题时也应分别对待。
GIS与空间数据挖掘技术集成主要是利用空
间数据挖掘技术提取隐含在存储于GIS 数据库中
的庞大数据量的空间数据和属性数据之后的知识,
因此集成问题的关键是如何共享GIS 中的数据。
GIS 与空间数据挖掘集成的模式主要有三种:
1) 松散耦合式,也称外部空间数据挖掘模式。
这种模式基本上将GIS 当作一个空间数据库看
待,在GIS 环境外部借助其它软件或计算机语言
进行空间数据挖掘,其与GIS 之间采用数据通讯
的方式联系。图1 为基于扩展式数据库管理GIS
与空间数据挖掘技术集成的框架图。

此主题相关图片如下：

　　2) 嵌入式,又称内部空间数据挖掘模式。即
在GIS 中将空间数据挖掘技术融合到空间分析功
能中去。图2 为仍基于扩展式数据库管理的GIS
与空间数据挖掘技术嵌入式集成模式框架图。

此主题相关图片如下：

3) 混合型空间模型法,是前两种方法的结合。
即尽可能利用GIS 提供的功能,最大限度的减少
用户自行开发的工作量和难度,又保持外部空间
数据挖掘模式的灵活性。
4 　空间数据挖掘技术在GIS 中的应用
由于GIS 数据库是空间数据库的主要类型,
并且从GIS 数据库中发现的知识类型及知识发现
方法可以涵盖其它类型的空间数据库。借鉴DM
和KDD 技术的成果,针对空间数据的特点,从GIS
数据库可以发现的主要知识类型有:
1) 普遍的几何知识。普遍的几何知识是指某
类目标的数量、大小、形态特征等的普遍的几何特
征。计算和统计出空间目标几何特征量的最小
值、最大值、均值、方差、众数等,还可统计出特征
量的直方图。在足够样本的情况下,直方图数据
可转换为先验概率使用。在此基础上,可根据背
景知识归纳出高水平的普遍几何知识。
2) 空间分布规律。空间分布规律是指目标在
地理空间的分布规律,分成在垂直向、水平向以及
垂直向和水平向的联合分布规律。垂直向分布即
地物沿高程带的分布,如植被沿高程带分布规律、
植被沿坡度坡向分布规律等;水平向分布指地物
在平面区域的分布规律,如不同区域农作物的差
异、公用设施的城乡差异等;垂直向和水平向的联
合分布即不同的区域中地物沿高程分布规律。
3) 空间关联规律。它是指空间目标间相邻、
项链、共生、包含等空间关联规则。例如,村落与
道路相连,道路与河流的交叉处是桥梁等。
4) 空间聚类规则。空间聚类规则,或空间分
类规则,是指特征相近的空间目标聚类成上一级
类的规则,可用于GIS 的空间概括和综合。例如,
将距离很近的散布的居民点聚类成居民区。
5) 空间特征规则。它是指某类或几类空间目
标的几何和属性的普遍特征,即共性的描述。普
遍的几何知识属于空间特征的一类,作用十分重
要。由于它在遥感影像解译中,所以分离出来的
单独作为一类知识。
6) 空间区分规则。它指两类或多类目标间几
何的或属性的不同特征,即可以区分不同目标的
特征。
7) 空间演变规则。若GIS 数据库指时空数据
库或GIS 数据库中存有同一地区多个时间数据的
快照(Snapshot) ,则可以发现空间演变规则。空间
演变规则指空间目标依时间的变化规则,即哪些
地区易变,哪些地区不易变,哪些目标易变及怎么
变,哪些目标固定不变。
从GIS 数据库中发现的知识,可有下面两大
方面的应用:
1) GIS 智能化分析。SDM获取的知识同现有
GIS 分析工具获取的信息相比更加概括、精练,并
可发现现有GIS 分析工具无法获取的隐含的模式
和规律,因此SDM 本身就是GIS 智能化分析工
具,也是构成GIS 专家系统和决策支持系统的重
要工具。
2) 在遥感影像解译中的应用。用于遥感影像
解译中的约束、辅助、引导,解决同物异谱、同谱异
物问题,减少分类识别的疑义度,提高解译的可靠
性、精度和速度。SDM 是建立遥感影像理解专家
系统知识获取的重要技术手段和工具,遥感影像
解译的结果又可更新GIS 数据库。因此,SDM 技
术将会促进遥感与GIS 的智能化集成。
5 　结论
从符号智能转向计算智能是人工智能新的发
展方向,数据挖掘与知识发现的研究正在为地学
领域的人工智能应用注入新的活力。从数据挖掘
的角度看,空间分析领域中所提到的基于数据的
分析(DataExploratory) 原本就可以理解为空间数据
挖掘的工具,而模型可以理解为数据挖掘的一种
特殊方法。在地学数据分析领域引入数据挖掘与

知识发现的概念、模式和方法,探讨适合地学数据
挖掘的新方法,并与GIS 紧密集成,充分利用GIS
存储、管理空间数据的功能,同时使得GIS 中的有
限数据变成无限的知识,对于有效地处理海量地
学数据、提高地学分析的自动化和智能化水平、为
全球变化和区域可持续发展提供有力的分析工具
具有重要的意义。因此,对于数据挖掘技术的分
支———空间数据挖掘技术及其与GIS 集成的研
究,是非常有社会和现实意义的研究课题。
参考文献
1 　郭仁忠. 空间分析. 武汉:武汉测绘科技大学出版社,
1997
2 　周海燕,王家耀等. 空间数据挖掘技术及其应用. 测绘
通报,2002 , (2)
3 　李德仁,王树良,李德毅,王新洲. 论空间数据挖掘和
知识发现的理论与方法. 武汉大学学报(信息科学版) ,
2002 , (3)
4 　徐铭杰. 空间数据挖掘模式和方法研究. 河南纺织高
等专科学校学报,2002 , (1)
5 　李德仁,王树良,史文中,王新洲. 论空间数据挖掘和
知识发现. 武汉大学学报(信息科学版) ,2001 , (6)
6 　刘宇,曲波,朱仲英等. 空间数据挖掘理论与方法的研
究. 微型电脑应用,2000 , (8)
7 　李丹,高丽. 空间数据挖掘技术. 湖北汽车工业学院学
报,1999 , (3)
8 　李德仁. 论RS、GIS 与GPS 集成的定义、理论与关键技
术. 遥感学报,1997 , (4)
9 　李德仁. 关于地理信息系统理论的若干思考. 武汉测
绘科技大学学报,1997 , (6)