GIS即地理信息系統(tǒng)（Geographic
為萬州等地區(qū)用戶提供了全套網(wǎng)頁設(shè)計制作服務(wù)，及萬州網(wǎng)站建設(shè)行業(yè)解決方案。主營業(yè)務(wù)為成都網(wǎng)站制作、網(wǎng)站設(shè)計、外貿(mào)網(wǎng)站建設(shè)、萬州網(wǎng)站設(shè)計，以傳統(tǒng)方式定制建設(shè)網(wǎng)站，并提供域名空間備案等一條龍服務(wù)，秉承以專業(yè)、用心的態(tài)度為用戶提供真誠的服務(wù)。我們深信只要達(dá)到每一位用戶的要求，就會得到認(rèn)可，從而選擇與我們長期合作。這樣，我們也可以走得更遠(yuǎn)！
Information
System），廣泛應(yīng)用于資源調(diào)查、環(huán)境評估、災(zāi)害預(yù)測、國土管理、城市規(guī)劃、郵電通訊、交通運輸、軍事公安、水利電力、公共設(shè)施管理、農(nóng)林牧業(yè)、統(tǒng)計、商業(yè)金融等幾乎所有領(lǐng)域。
GIS與其他幾種信息系統(tǒng)密切相關(guān)，但由于其處理和分析地理數(shù)據(jù)的能力使其與它們相區(qū)別。盡管沒有什么硬性的和快速的規(guī)則來給這些信息系統(tǒng)分類，但下面的討論可以幫助區(qū)分GIS和桌面制圖、計算機輔助設(shè)計CAD、遙感、DBMS、以及GPS技術(shù)。
桌面制圖
桌面制圖系統(tǒng)用地圖來組織數(shù)據(jù)和用戶交互。這種系統(tǒng)的主要目的是產(chǎn)生地圖：地圖就是數(shù)據(jù)庫。大多數(shù)桌面制圖系統(tǒng)只有及其有限的數(shù)據(jù)管理、空間分析以及個性化能力。桌面制圖系統(tǒng)在桌面計算機上進(jìn)行操作，例如PC機，Macintosh以及小型UNIX工作站。
計算機輔助設(shè)計CAD
計算機輔助設(shè)計(CAD)系統(tǒng)促進(jìn)了產(chǎn)生建筑物和基本建設(shè)的設(shè)計和規(guī)劃。這種設(shè)計需要裝配固有特征的組件來產(chǎn)生整個結(jié)構(gòu)。這些系統(tǒng)需要一些規(guī)則來指明如何裝配這些部件，并具有非常有限的分析能力。CAD系統(tǒng)已經(jīng)擴(kuò)展可以支持地圖設(shè)計，但管理和分析大型的地理數(shù)據(jù)庫的工具很有限。
遙感和GPS
遙感是一門使用傳感器對地球進(jìn)行測量的科學(xué)和技術(shù)，例如，飛機上的照相機，全球定位系統(tǒng)（GPS）接收器，或其他設(shè)備。這些傳感器以圖象的格式收集數(shù)據(jù)，并為利用、分析和可視化這些圖象提供專門的功能。由于它缺乏強大的地理數(shù)據(jù)管理和分析作用，所以不能叫作真正的GIS。
數(shù)據(jù)庫管理系統(tǒng)
數(shù)據(jù)庫管理系統(tǒng)專門研究如何存儲和管理所有類型的數(shù)據(jù)，其中包括地理數(shù)據(jù)。DBMS使存儲和查找數(shù)據(jù)最優(yōu)化，許多GIS為此而依靠它。相對于GIS而言，它們沒有分析和可視化的工具。
科創(chuàng)板煤炭工業(yè)軟件龍頭企業(yè)龍軟 科技 （688078.SH）是一家基于LongRuan GIS +互聯(lián)網(wǎng)+大數(shù)據(jù)+云計算,并為智能煤礦信息化領(lǐng)域提供整體解決方案的高 科技 公司。其中，公司最硬核的技術(shù)及相關(guān)專利之一，是龍軟 科技 憑借多年行業(yè)積累，基于自主研發(fā)的LongRuan GIS 打造的智能煤礦“一張圖”。
如同百度、高德和谷歌等民用地圖改變?nèi)藗兊某鲂蟹绞揭粯?，LongRuan GIS “一張圖”綜合解決方案，通過技術(shù)創(chuàng)新推動了煤礦傳統(tǒng)的管理模式變革，為構(gòu)建智能煤礦的信息化管理模式提供了高 科技 支持。
什么是“一張圖” ？
龍軟 科技 “一張圖”是GIS（地理信息系統(tǒng)）技術(shù)在煤礦行業(yè)的創(chuàng)新應(yīng)用?！耙粡垐D”是一種創(chuàng)新管理模式, 是煤礦的BI（商業(yè)智能）, 也是煤礦技術(shù)人員的SVN/GIT（分布式版本控制系統(tǒng)）。
“一張圖”及智能管控平臺是一個面向行業(yè)數(shù)據(jù)庫的大型數(shù)據(jù)倉庫，它通過綜合信息監(jiān)管來提取對業(yè)務(wù)的分析信息，且無論是原始數(shù)據(jù)還是挖掘分析后的信息，都可以通過基礎(chǔ)服務(wù)平臺向外提供服務(wù)訪問和交互。具體到煤礦方面，實現(xiàn)了礦山“采、掘、機、運、通”相關(guān)的安全生產(chǎn)、監(jiān)測監(jiān)控、安全管理等業(yè)務(wù)和數(shù)據(jù)與基礎(chǔ)地理數(shù)據(jù)的疊加集成、匯交更新。各業(yè)務(wù)單位分工協(xié)作、各司其職，共同構(gòu)建起礦山一張圖，為安全生產(chǎn)、動態(tài)監(jiān)控、經(jīng)營決策等提供多維數(shù)據(jù)支持。
突破關(guān)鍵技術(shù) 釋放創(chuàng)新能量
一直以來龍軟 科技 在自主創(chuàng)新研發(fā)方面投入巨大。截至目前，公司取得煤礦信息化、智能化領(lǐng)域相關(guān)專利權(quán)54項（其中發(fā)明專利31項）、軟件著作權(quán)242項。研發(fā)團(tuán)隊瞄準(zhǔn)了行業(yè)痛點，已逐步形成了“四大”核心專利技術(shù)組：（1）GIS協(xié)同“一張圖”及智能管控平臺相關(guān)專利組；（2）智能綜采綜掘工作面相關(guān)專利組；（3）透明化礦山相關(guān)專利組；（4）礦山新型開采方式及裝備的相關(guān)專利組。
其中，第一大專利組GIS協(xié)同“一張圖”及智能管控平臺相關(guān)專利主要涉及六項高價值的創(chuàng)新型專利：（一）“煤礦分布式協(xié)同一張圖系統(tǒng)及協(xié)同管理方法”（二）“一種礦井信息化管理多專業(yè)巷道圖形的動態(tài)更新方法”（三）“一種基于時態(tài)GIS的煤礦可視化管控系統(tǒng)”（四）“一種交互式注記等值線數(shù)值的方法和裝置”；（五）“一種參數(shù)式煤礦井下供電設(shè)計方法”（六）“一種快速生成煤層小柱狀的方法和裝置”。
據(jù)了解，該組專利涵蓋了煤礦時空數(shù)據(jù)“一張圖”協(xié)同處理及管控平臺應(yīng)用。
專利一“煤礦分布式協(xié)同一張圖系統(tǒng)及協(xié)同管理方法”， 提出了煤礦多專業(yè)數(shù)據(jù)統(tǒng)一管理、動態(tài)即時更新和共享的方法，奠定了煤礦“一張圖”系統(tǒng)的關(guān)鍵技術(shù)基礎(chǔ)，最早形成了煤炭行業(yè)信息化建設(shè)“一張圖”模式。2017年龍軟 科技 基于項目研發(fā)成果申請了發(fā)明專利，并于2019年獲得授權(quán)。項目技術(shù)成果“煤礦空間信息服務(wù)與管理關(guān)鍵技術(shù)研究及產(chǎn)業(yè)化應(yīng)用”，獲2018年中國煤炭工業(yè)科學(xué)技術(shù)一等獎。
專利二“一種礦井信息化管理多專業(yè)巷道圖形的動態(tài)更新方法”， 基于煤礦“一張圖”技術(shù)體系，圍繞煤礦數(shù)據(jù)規(guī)范化管理和自動化處理應(yīng)用問題，提出了基于協(xié)同思想的煤礦巷道圖形動態(tài)更新方法，解決了煤礦地測專題圖形、一通防專題圖形、機電設(shè)備布置專題圖形、監(jiān)測監(jiān)控專題圖形中必不可少的巷道動態(tài)更新難題。由于巷道數(shù)據(jù)是煤礦各類專題圖形的最基礎(chǔ)內(nèi)容，該專利適應(yīng)于幾乎所有應(yīng)用“一張圖”模式的煤礦專題圖處理和更新，是該領(lǐng)域必不可少的技術(shù)方法。龍軟 科技 于2020年獲得該項發(fā)明專利授權(quán)。
專利三“一種基于時態(tài)GIS的煤礦可視化管控系統(tǒng)” ，提出了基于時態(tài)地理信息系統(tǒng)TGIS“一張圖”和透明化礦山的煤礦二三維一體化管控平臺技術(shù)和方法，奠定了煤礦可視化管控平臺及透明化智能開采的關(guān)鍵技術(shù)基礎(chǔ)，融合地理空間場景構(gòu)建、傳感數(shù)據(jù)采集與通訊、腳本化模型驅(qū)動等技術(shù)，形成了以實時、動態(tài)地理信息為支撐的礦井二維、三維可視化管控新模式。2021年龍軟 科技 獲得該項發(fā)明專利授權(quán)。
此外，結(jié)合煤礦地理信息系統(tǒng)及“一張圖”平臺應(yīng)用中的日常需求，針對等值線生成、小柱狀繪制、供電系統(tǒng)設(shè)計等問題，創(chuàng)新提出并形成了“交互式注記等值線”、“快速生成煤層小柱狀”、“參數(shù)式煤礦井下供電設(shè)計”等發(fā)明專利?；谝陨舷盗袑＠井a(chǎn)品可以為煤礦時空數(shù)據(jù)的處理提供更高效、便捷的處理支持，進(jìn)而形成統(tǒng)一、規(guī)范、完整、動態(tài)更新的煤礦“一張圖”時空數(shù)據(jù)庫和管控平臺，并最終建立“基于多維GIS或圖形處理技術(shù)的煤礦可視化管控系統(tǒng)”，實現(xiàn)煤礦自動化、智能化工業(yè)控制和可視化多維地理信息的一體化集成。
公司始終從煤礦智能化需求出發(fā)，通過分布式協(xié)同一張圖的理念，改變了煤炭行業(yè)傳統(tǒng)的單機工作模式，建立了煤礦多專業(yè)業(yè)務(wù)數(shù)據(jù)的統(tǒng)一管理、協(xié)同處理、動態(tài)更新、可視化管控體系，并通過創(chuàng)新的巷道多專業(yè)更新等技術(shù)方法，提高煤礦時空數(shù)據(jù)處理的效率及完整性，解決了阻礙煤炭行業(yè)信息化、智能化建設(shè)的數(shù)據(jù)孤島嚴(yán)重、跨專業(yè)無法協(xié)同、跨部門管理困難、數(shù)據(jù)實時性不高等難題，解決行業(yè)痛點，為煤炭行業(yè)信息化、智能化建設(shè)開辟了基于時空地理信息系統(tǒng)的“一張圖”綜合管控和自適應(yīng)智能開采模式，給煤炭企業(yè)帶來一種全新的、適應(yīng)“智能礦山”信息化建設(shè)要求的新型信息化管理模式。
多應(yīng)用領(lǐng)域推動產(chǎn)業(yè)升級
“一張圖”協(xié)同處理及管控平臺應(yīng)用對象可以是單個煤礦，也可以是多級架構(gòu)的煤礦企業(yè)集團(tuán)，分布式架構(gòu)的自身特點決定了“一張圖”系列產(chǎn)品具有極強的適應(yīng)性，可應(yīng)用于多個領(lǐng)域與場景。無論對于大型煤礦企業(yè)集團(tuán)，還是中小煤礦企業(yè)，“一張圖”產(chǎn)品解決的統(tǒng)一空間數(shù)據(jù)存儲和分析應(yīng)用平臺問題均是煤礦信息化建設(shè)中的核心問題之一，也是當(dāng)前實現(xiàn)煤礦智能開采必須面對和解決的基礎(chǔ)問題。
目前，公司憑借著“一張圖”協(xié)同處理及管控平臺相關(guān)專利技術(shù)已成功已應(yīng)用于陜西陜煤黃陵礦業(yè)有限公司一號煤礦“黃陵一號煤礦礦井智能綜合管控云平臺”、河南煤化集團(tuán)永煤集團(tuán)新橋煤礦“安全生產(chǎn)智慧管控平臺”、江蘇徐礦能源股份有限公司張雙樓煤礦“智能GIS“一張圖”平臺”、國家能源集團(tuán)新疆能源烏東煤礦“基于急傾斜煤層的一張圖智能管控平臺”、山東能源兗煤股份東灘煤礦“智能礦山綜合信息管控系統(tǒng)”、中煤陜西榆林能源化工有限公司大海則煤礦“生產(chǎn)執(zhí)行系統(tǒng)”等智能化建設(shè)示范礦井。
實踐表明，基于GIS協(xié)同“一張圖”、虛擬礦井、大數(shù)據(jù)安全動態(tài)診斷等核心技術(shù)專利的研發(fā)，解決了高度一體化管控的智慧、高 科技 礦區(qū)的關(guān)鍵問題。“一張圖”管理系統(tǒng)的推廣與實施，將為我國智能礦山建設(shè)奠定堅實的基礎(chǔ)，不僅能夠減員增效，而且還能進(jìn)一步保障礦井安全生產(chǎn)。龍軟 科技 作為專注于行業(yè)發(fā)展的高新技術(shù)企業(yè)，具有持續(xù)、強大的創(chuàng)新能力，對推動我國煤炭工業(yè)安全生產(chǎn)技術(shù)的信息化管理具有重要的 社會 效益。
GIS是英文Geographic Information Systems的縮寫，中文習(xí)慣譯為地理信息系統(tǒng)。通常泛指用于獲取、存儲、查詢、綜合、處理、分析和顯示地理空間數(shù)據(jù)及與其相關(guān)之信息的計算機系統(tǒng)。它是隨著計算機技術(shù)和地理科學(xué)等的發(fā)展而發(fā)展起來的，它通過計算機對各種地理空間數(shù)據(jù)進(jìn)行組織、管理、統(tǒng)計、分析和顯示，生成并輸出用戶所需要的各種地理信息，它由計算機、地理信息系統(tǒng)軟件、空間數(shù)據(jù)庫、分析應(yīng)用模型和圖形用戶界面及系統(tǒng)管理人員所組成。
自從20世紀(jì)60年代初GIS概念在加拿大提出以來，隨著多學(xué)科、多技術(shù)的發(fā)展和密切結(jié)合，尤其是計算機技術(shù)和空間分析理論的飛速發(fā)展，GIS的含義和應(yīng)用在不斷擴(kuò)大，GIS技術(shù)在最近20多年內(nèi)取得了驚人的發(fā)展，并廣泛地應(yīng)用于各個領(lǐng)域。例如，土地信息系統(tǒng)可看成是GIS技術(shù)在土地管理的具體應(yīng)用，因此，GIS技術(shù)是土地信息系統(tǒng)建設(shè)最為關(guān)鍵的技術(shù)之一。
目前，GIS技術(shù)的幾個發(fā)展主要表現(xiàn)在：
（1）三維GIS和時態(tài)GIS的發(fā)展已取得了一定進(jìn)展。
（2)GIS和GPS、RS三者結(jié)合的技術(shù)日益成熟。
（3）空間數(shù)據(jù)的存儲管理技術(shù)發(fā)展迅速。
隨著對象—關(guān)系數(shù)據(jù)庫技術(shù)的發(fā)展，將空間數(shù)據(jù)無縫集成在DBMS中已成為現(xiàn)實。關(guān)系數(shù)據(jù)庫（RDBMS）和GIS的結(jié)合，利用RDBMS存儲GIS數(shù)據(jù)，并通過RDBMS存取和操縱這些數(shù)據(jù)。新的RDBMS（如ORACLE產(chǎn)品）支持新的對象—關(guān)系模型，從而可以更好地支持空間數(shù)據(jù)類型（4）組件GIS技術(shù)。地理信息系統(tǒng)的組件化，就是采用組件（Component）技術(shù)實現(xiàn)地理信息系統(tǒng)基礎(chǔ)平臺和應(yīng)用系統(tǒng)。其本質(zhì)就是軟件可復(fù)用技術(shù)。COM GIS就是采用了面向?qū)ο蠹夹g(shù)和組件軟件技術(shù)的GIS系統(tǒng)，其基本思想是把GIS的各大功能模塊劃分為幾個組件，每個組件完成不同的功能。各個GIS組件之間以及GIS組件與非GIS組件之間，都可以方便地通過可視化的軟件開發(fā)工具集成起來，形成最終的GIS基礎(chǔ)平臺及應(yīng)用系統(tǒng)。組件式GIS代表著當(dāng)今GIS發(fā)展的潮流。
（5)Web GIS技術(shù)。Web GIS是在INTERNET信息發(fā)布、數(shù)據(jù)共享、交流協(xié)作基礎(chǔ)之上實現(xiàn)GIS的在線查詢和業(yè)務(wù)處理等功能，是Internet技術(shù)應(yīng)用于GIS開發(fā)的產(chǎn)物?；ヂ?lián)網(wǎng)（Internet），尤其是萬維網(wǎng)（WWW），已經(jīng)成為GIS的新的操作平臺。GIS通過WWW功能得以擴(kuò)展，真正成為一種大眾使用的工具，從WWW的任意一個節(jié)點，Internet用戶可以瀏覽Web GIS站點中的空間數(shù)據(jù)、制作專題圖，以及進(jìn)行各種空間檢索和空間分析，從而使GIS進(jìn)入千家萬戶。
引言
地理信息系統(tǒng)(Geographic Information System，簡稱GIS)是計算機科學(xué)、地理學(xué)、測量學(xué)、地圖學(xué)等多門學(xué)科綜合的技術(shù)[1]。GIS的基本技術(shù)是空間數(shù)據(jù)庫、地圖可視化及空間分析，而空間數(shù)據(jù)庫是GIS的關(guān)鍵?？臻g數(shù)據(jù)挖掘技術(shù)作為當(dāng)前數(shù)據(jù)庫技術(shù)最活躍的分支與知識獲取手段，在GIS中的應(yīng)用推動著GIS朝智能化和集成化的方向發(fā)展。
1 空間數(shù)據(jù)庫與空間數(shù)據(jù)挖掘技術(shù)的特點
隨著數(shù)據(jù)庫技術(shù)的不斷發(fā)展和數(shù)據(jù)庫管理系統(tǒng)的廣泛應(yīng)用，數(shù)據(jù)庫中存儲的數(shù)據(jù)量也在急劇增大，在這些海量數(shù)據(jù)的背后隱藏了很多具有決策意義的信息。但是，現(xiàn)今數(shù)據(jù)庫的大多數(shù)應(yīng)用仍然停留在查詢、檢索階段，數(shù)據(jù)庫中隱藏的豐富的知識遠(yuǎn)遠(yuǎn)沒有得到充分的發(fā)掘和利用，數(shù)據(jù)庫中數(shù)據(jù)的急劇增長和人們對數(shù)據(jù)庫處理和理解的困難形成了強烈的反差，導(dǎo)致“人們被數(shù)據(jù)淹沒，但卻饑餓于知識”的現(xiàn)象。
空間數(shù)據(jù)庫(數(shù)據(jù)倉庫)中的空間數(shù)據(jù)除了其顯式信息外，還具有豐富的隱含信息，如數(shù)字高程模型〔DEM或TIN〕，除了載荷高程信息外，還隱含了地質(zhì)巖性與構(gòu)造方面的信息；植物的種類是顯式信息，但其中還隱含了氣候的水平地帶性和垂直地帶性的信息，等等。這些隱含的信息只有通過數(shù)據(jù)挖掘才能顯示出來?？臻g數(shù)據(jù)挖掘（Spatial Data Mining，簡稱SDM），或者稱為從空間數(shù)據(jù)庫中發(fā)現(xiàn)知識，是為了解決空間數(shù)據(jù)海量特性而擴(kuò)展的一個新的數(shù)據(jù)挖掘的研究分支，是指從空間數(shù)據(jù)庫中提取隱含的、用戶感興趣的空間或非空間的模式和普遍特征的過程[2]。由于SDM的對象主要是空間數(shù)據(jù)庫，而空間數(shù)據(jù)庫中不僅存儲了空間事物或?qū)ο蟮膸缀螖?shù)據(jù)、屬性數(shù)據(jù)，而且存儲了空間事物或?qū)ο笾g的圖形空間關(guān)系，因此其處理方法有別于一般的數(shù)據(jù)挖掘方法。SDM與傳統(tǒng)的地學(xué)數(shù)據(jù)分析方法的本質(zhì)區(qū)別在于SDM是在沒有明確假設(shè)的前提下去挖掘信息、發(fā)現(xiàn)知識，挖掘出的知識應(yīng)具有事先未知、有效和可實用3個特征。
空間數(shù)據(jù)挖掘技術(shù)需要綜合數(shù)據(jù)挖掘技術(shù)與空間數(shù)據(jù)庫技術(shù)，它可用于對空間數(shù)據(jù)的理解，對空間關(guān)系和空間與非空間關(guān)系的發(fā)現(xiàn)、空間知識庫的構(gòu)造以及空間數(shù)據(jù)庫的重組和查詢的優(yōu)化等。
2 空間數(shù)據(jù)挖掘技術(shù)的主要方法及特點
常用的空間數(shù)據(jù)挖掘技術(shù)包括：序列分析、分類分析、預(yù)測、聚類分析、關(guān)聯(lián)規(guī)則分析、時間序列分析、粗集方法及云理論等。本文從挖掘任務(wù)和挖掘方法的角度,著重介紹了分類分析、聚類分析和關(guān)聯(lián)規(guī)則分析三種常用的重要的方法。
2.1、分類分析
分類在數(shù)據(jù)挖掘中是一項非常重要的任務(wù)，目前在商業(yè)上應(yīng)用最多。分類的目的是學(xué)會一個分類函數(shù)或分類模型(也常常稱作分類器)，該模型能把數(shù)據(jù)庫中的數(shù)據(jù)項映射到給定類別中的某一個。分類和我們熟知的回歸方法都可用于預(yù)測，兩者的目的都是從歷史數(shù)據(jù)紀(jì)錄中自動推導(dǎo)出對給定數(shù)據(jù)的推廣描述，從而能對未來數(shù)據(jù)進(jìn)行預(yù)測。和回歸方法不同的是，分類的輸出是離散的類別值，而回歸的輸出則是連續(xù)的數(shù)值。二者常表現(xiàn)為一棵決策樹，根據(jù)數(shù)據(jù)值從樹根開始搜索，沿著數(shù)據(jù)滿足的分支往上走，走到樹葉就能確定類別?？臻g分類的規(guī)則實質(zhì)是對給定數(shù)據(jù)對象集的抽象和概括，可用宏元組表示。
要構(gòu)造分類器,需要有一個訓(xùn)練樣本數(shù)據(jù)集作為輸入。訓(xùn)練集由一組數(shù)據(jù)庫記錄或元組構(gòu)成,每個元組是一個由特征(又稱屬性)值組成的特征向量,此外,訓(xùn)練樣本還有一個類別標(biāo)記。一個具體樣本的形式可為:( v1, v2, ..., vn; c )；其中vi表示字段值，c表示類別。
分類器的構(gòu)造方法有統(tǒng)計方法、機器學(xué)習(xí)方法、神經(jīng)網(wǎng)絡(luò)方法等等。統(tǒng)計方法包括貝葉斯法和非參數(shù)法(近鄰學(xué)習(xí)或基于事例的學(xué)習(xí))，對應(yīng)的知識表示是判別函數(shù)和原型事例。機器學(xué)習(xí)方法包括決策樹法和規(guī)則歸納法，前者對應(yīng)的表示為決策樹或判別樹，后者則一般為產(chǎn)生式規(guī)則。神經(jīng)網(wǎng)絡(luò)方法主要是反向傳播（Back-Propagation,簡稱BP）算法，它的模型表示是前向反饋神經(jīng)網(wǎng)絡(luò)模型(由代表神經(jīng)元的節(jié)點和代表聯(lián)接權(quán)值的邊組成的一種體系結(jié)構(gòu))，BP算法本質(zhì)上是一種非線性判別函數(shù)[3]。另外，最近又興起了一種新的方法:粗糙集(rough set)，其知識表示是產(chǎn)生式規(guī)則。
不同的分類器有不同的特點。有三種分類器評價或比較尺度：1) 預(yù)測準(zhǔn)確度；2) 計算復(fù)雜度；3) 模型描述的簡潔度。預(yù)測準(zhǔn)確度是用得最多的一種比較尺度，特別是對于預(yù)測型分類任務(wù)，目前公認(rèn)的方法是10番分層交叉驗證法。計算復(fù)雜度依賴于具體的實現(xiàn)細(xì)節(jié)和硬件環(huán)境，在數(shù)據(jù)挖掘中，由于操作對象是海量的數(shù)據(jù)庫，因此空間和時間的復(fù)雜度問題將是非常重要的一個環(huán)節(jié)。對于描述型的分類任務(wù)，模型描述越簡潔越受歡迎。例如，采用規(guī)則歸納法表示的分類器構(gòu)造法就很有用，而神經(jīng)網(wǎng)絡(luò)方法產(chǎn)生的結(jié)果就難以理解。
另外要注意的是，分類的效果一般和數(shù)據(jù)的特點有關(guān)。有的數(shù)據(jù)噪聲大，有的有缺值， 有的分布稀疏，有的字段或?qū)傩蚤g相關(guān)性強，有的屬性是離散的而有的是連續(xù)值或混合式的。目前普遍認(rèn)為不存在某種方法能適合于各種特點的數(shù)據(jù)。
分類技術(shù)在實際應(yīng)用非常重要，比如：可以根據(jù)房屋的地理位置決定房屋的檔次等。
2. 2 聚類分析
聚類是指根據(jù)“物以類聚”的原理，將本身沒有類別的樣本聚集成不同的組，并且對每一個這樣的組進(jìn)行描述的過程。它的目的是使得屬于同一個組的樣本之間應(yīng)該彼此相似，而不同組的樣本應(yīng)足夠不相似。與分類分析不同，進(jìn)行聚類前并不知道將要劃分成幾個組和什么樣的組，也不知道根據(jù)哪些空間區(qū)分規(guī)則來定義組。其目的旨在發(fā)現(xiàn)空間實體的屬性間的函數(shù)關(guān)系，挖掘的知識用以屬性名為變量的數(shù)學(xué)方程來表示。聚類方法包括統(tǒng)計方法、機器學(xué)習(xí)方法、神經(jīng)網(wǎng)絡(luò)方法和面向數(shù)據(jù)庫的方法?；诰垲惙治龇椒ǖ目臻g數(shù)據(jù)挖掘算法包括均值近似算法[4]、CLARANS、BIRCH、DBSCAN等算法。目前，對空間數(shù)據(jù)聚類分析方法的研究是一個熱點。
對于空間數(shù)據(jù)，利用聚類分析方法，可以根據(jù)地理位置以及障礙物的存在情況自動地進(jìn)行區(qū)域劃分。例如，根據(jù)分布在不同地理位置的ATM機的情況將居民進(jìn)行區(qū)域劃分，根據(jù)這一信息，可以有效地進(jìn)行ATM機的設(shè)置規(guī)劃，避免浪費，同時也避免失掉每一個商機。
2.3 關(guān)聯(lián)規(guī)則分析
關(guān)聯(lián)規(guī)則分析主要用于發(fā)現(xiàn)不同事件之間的關(guān)聯(lián)性，即一事物發(fā)生時，另一事物也經(jīng)常發(fā)生。關(guān)聯(lián)分析的重點在于快速發(fā)現(xiàn)那些有實用價值的關(guān)聯(lián)發(fā)生的事件。其主要依據(jù)是：事件發(fā)生的概率和條件概率應(yīng)該符合一定的統(tǒng)計意義?？臻g關(guān)聯(lián)規(guī)則的形式是X－＞Y[S%，C%]，其中X、Y是空間或非空間謂詞的集合，S%表示規(guī)則的支持度，C%表示規(guī)則的置信度?？臻g謂詞的形式有3種：表示拓?fù)浣Y(jié)構(gòu)的謂詞、表示空間方向的謂詞和表示距離的謂詞[5]。各種各樣的空間謂詞可以構(gòu)成空間關(guān)聯(lián)規(guī)則。如，距離信息（如Close_to(臨近)、Far_away(遠(yuǎn)離)）、拓?fù)潢P(guān)系（Intersect（交）、Overlap（重疊）、Disjoin(分離)）和空間方位（如Right_of(右邊)、West_of(西邊)）。實際上大多數(shù)算法都是利用空間數(shù)據(jù)的關(guān)聯(lián)特性改進(jìn)其分類算法，使得它適合于挖掘空間數(shù)據(jù)中的相關(guān)性，從而可以根據(jù)一個空間實體而確定另一個空間實體的地理位置，有利于進(jìn)行空間位置查詢和重建空間實體等。大致算法可描述如下：(1)根據(jù)查詢要求查找相關(guān)的空間數(shù)據(jù)；(2)利用臨近等原則描述空間屬性和特定屬性；(3)根據(jù)最小支持度原則過濾不重要的數(shù)據(jù)；(4)運用其它手段對數(shù)據(jù)進(jìn)一步提純(如OVERLAY)；(5)生成關(guān)聯(lián)規(guī)則。
關(guān)聯(lián)規(guī)則通?？煞譃閮煞N：布爾型的關(guān)聯(lián)規(guī)則和多值關(guān)聯(lián)規(guī)則。多值關(guān)聯(lián)規(guī)則比較復(fù)雜，一種自然的想法是將它轉(zhuǎn)換為布爾型關(guān)聯(lián)規(guī)則，由于空間關(guān)聯(lián)規(guī)則的挖掘需要在大量的空間對象中計算多種空間關(guān)系，因此其代價是很高的?！N逐步求精的挖掘優(yōu)化方法可用于空間關(guān)聯(lián)的分析，該方法首先用一種快速的算法粗略地對一個較大的數(shù)據(jù)集進(jìn)行一次挖掘，然后在裁減過的數(shù)據(jù)集上用代價較高的算法進(jìn)一步改進(jìn)挖掘的質(zhì)量。因為其代價非常高，所以空間的關(guān)聯(lián)方法需要進(jìn)一步的優(yōu)化。
對于空間數(shù)據(jù)，利用關(guān)聯(lián)規(guī)則分析，可以發(fā)現(xiàn)地理位置的關(guān)聯(lián)性。例如，85%的靠近高速公路的大城鎮(zhèn)與水相鄰，或者發(fā)現(xiàn)通常與高爾夫球場相鄰的對象是停車場等。
3 空間數(shù)據(jù)挖掘技術(shù)的研究方向
3.1 處理不同類型的數(shù)據(jù)
絕大多數(shù)數(shù)據(jù)庫是關(guān)系型的，因此在關(guān)系數(shù)據(jù)庫上有效地執(zhí)行數(shù)據(jù)挖掘是至關(guān)重要的。但是在不同應(yīng)用領(lǐng)域中存在各種數(shù)據(jù)和數(shù)據(jù)庫，而且經(jīng)常包含復(fù)雜的數(shù)據(jù)類型，例如結(jié)構(gòu)數(shù)據(jù)、復(fù)雜對象、事務(wù)數(shù)據(jù)、歷史數(shù)據(jù)等。由于數(shù)據(jù)類型的多樣性和不同的數(shù)據(jù)挖掘目標(biāo)，一個數(shù)據(jù)挖掘系統(tǒng)不可能處理各種數(shù)據(jù)。因此針對特定的數(shù)據(jù)類型，需要建立特定的數(shù)據(jù)挖掘系統(tǒng)。
3.2 數(shù)據(jù)挖掘算法的有效性和可測性
海量數(shù)據(jù)庫通常有上百個屬性和表及數(shù)百萬個元組。GB數(shù)量級數(shù)據(jù)庫已不鮮見，TB數(shù)量級數(shù)據(jù)庫已經(jīng)出現(xiàn)，高維大型數(shù)據(jù)庫不僅增大了搜索空間，也增加了發(fā)現(xiàn)錯誤模式的可能性。因此必須利用領(lǐng)域知識降低維數(shù)，除去無關(guān)數(shù)據(jù)，從而提高算法效率。從一個大型空間數(shù)據(jù)庫中抽取知識的算法必須高效、可測量，即數(shù)據(jù)挖掘算法的運行時間必須可預(yù)測，且可接受，指數(shù)和多項式復(fù)雜性的算法不具有實用價值。但當(dāng)算法用有限數(shù)據(jù)為特定模型尋找適當(dāng)參數(shù)時，有時也會導(dǎo)致物超所值，降低效率。
3.3 交互性用戶界面
數(shù)據(jù)挖掘的結(jié)果應(yīng)準(zhǔn)確地描述數(shù)據(jù)挖掘的要求，并易于表達(dá)。從不同的角度考察發(fā)現(xiàn)的知識，并以不同形式表示，用高層次語言和圖形界面表示數(shù)據(jù)挖掘要求和結(jié)果。目前許多知識發(fā)現(xiàn)系統(tǒng)和工具缺乏與用戶的交互，難以有效利用領(lǐng)域知識。對此可以利用貝葉斯方法和演譯數(shù)據(jù)庫本身的演譯能力發(fā)現(xiàn)知識。
3.4 在多抽象層上交互式挖掘知識
很難預(yù)測從數(shù)據(jù)庫中會挖掘出什么樣的知識，因此一個高層次的數(shù)據(jù)挖掘查詢應(yīng)作為進(jìn)一步探詢的線索。交互式挖掘使用戶能交互地定義一個數(shù)據(jù)挖掘要求，深化數(shù)據(jù)挖掘過程，從不同角度靈活看待多抽象層上的數(shù)據(jù)挖掘結(jié)果。
3.5 從不同數(shù)據(jù)源挖掘信息
局域網(wǎng)、廣域網(wǎng)以及Internet網(wǎng)將多個數(shù)據(jù)源聯(lián)成一個大型分布、異構(gòu)的數(shù)據(jù)庫，從包含不同語義的格式化和非格式化數(shù)據(jù)中挖掘知識是對數(shù)據(jù)挖掘的一個挑戰(zhàn)。數(shù)據(jù)挖掘可揭示大型異構(gòu)數(shù)據(jù)庫中存在的普通查詢不能發(fā)現(xiàn)的知識。數(shù)據(jù)庫的巨大規(guī)模、廣泛分布及數(shù)據(jù)挖掘方法的計算復(fù)雜性，要求建立并行分布的數(shù)據(jù)挖掘。
3.6 私有性和安全性
數(shù)據(jù)挖掘能從不同角度、不同抽象層上看待數(shù)據(jù)，這將影響到數(shù)據(jù)挖掘的私有性和安全性。通過研究數(shù)據(jù)挖掘?qū)е碌臄?shù)據(jù)非法侵入，可改進(jìn)數(shù)據(jù)庫安全方法，以避免信息泄漏。
3.7 和其它系統(tǒng)的集成
方法、功能單一的發(fā)現(xiàn)系統(tǒng)的適用范圍必然受到一定的限制。要想在更廣泛的領(lǐng)域發(fā)現(xiàn)知識，空間數(shù)據(jù)挖掘系統(tǒng)就應(yīng)該是數(shù)據(jù)庫、知識庫、專家系統(tǒng)、決策支持系統(tǒng)、可視化工具、網(wǎng)絡(luò)等技術(shù)的集成。
4 有待研究的問題
我們雖然在空間數(shù)據(jù)挖掘技術(shù)的研究和應(yīng)用中取得了很大的成績，但在一些理論及應(yīng)用方面仍存在急需解決的問題。
4.1 數(shù)據(jù)訪問的效率和可伸縮性
空間數(shù)據(jù)的復(fù)雜性和數(shù)據(jù)的大量性，TB數(shù)量級的數(shù)據(jù)庫的出現(xiàn)，必然增大發(fā)現(xiàn)算法的搜索空間，增加了搜索的盲目性。如何有效的去除與任務(wù)無關(guān)的數(shù)據(jù)，降低問題的維數(shù)，設(shè)計出更加高效的挖掘算法對空間數(shù)據(jù)挖掘提出了巨大的挑戰(zhàn)。
4.2 對當(dāng)前一些GIS軟件缺乏時間屬性和靜態(tài)存儲的改進(jìn)
由于數(shù)據(jù)挖掘的應(yīng)用在很大的程度上涉及到時序關(guān)系，因此靜態(tài)的數(shù)據(jù)存儲嚴(yán)重妨礙了數(shù)據(jù)挖掘的應(yīng)用?；趫D層的計算模式、不同尺度空間數(shù)據(jù)之間的完全割裂也對空間數(shù)據(jù)挖掘設(shè)置了重重障礙。空間實體與屬性數(shù)據(jù)之間的聯(lián)系僅僅依賴于標(biāo)識碼，這種一維的連接方式無疑將丟失大量的連接信息，不能有效的表示多維和隱含的內(nèi)在連接關(guān)系，這些都增加了數(shù)據(jù)挖掘計算的復(fù)雜度，極大地增加了數(shù)據(jù)準(zhǔn)備階段的工作量和人工干預(yù)的程度。
4.3 發(fā)現(xiàn)模式的精煉
當(dāng)發(fā)現(xiàn)空間很大時會獲得大量的結(jié)果，盡管有些是無關(guān)或沒有意義的模式，這時可利用領(lǐng)域的知識進(jìn)一步精煉發(fā)現(xiàn)的模式，從而得到有意義的知識。
在空間數(shù)據(jù)挖掘技術(shù)方面，重要的研究和應(yīng)用的方向還包括：網(wǎng)絡(luò)環(huán)境上的數(shù)據(jù)挖掘、柵格矢量一體化的挖掘、不確定性情況下的數(shù)據(jù)挖掘、分布式環(huán)境下的數(shù)據(jù)挖掘、數(shù)據(jù)挖掘查詢語言和新的高效的挖掘算法等。
5 小結(jié)
隨著GIS與數(shù)據(jù)挖掘及相關(guān)領(lǐng)域科學(xué)研究的不斷發(fā)展，空間數(shù)據(jù)挖掘技術(shù)在廣度和深度上的不斷深入，在不久的將來，一個集成了挖掘技術(shù)的GIS、GPS、RS集成系統(tǒng)必將朝著智能化、網(wǎng)絡(luò)化、全球化與大眾化的方向發(fā)展。
重慶分公司
重慶分公司
