RkNN在空间数据挖掘和知识发现问题中的研究

摘要：

空间数据挖掘和知识发现(Spatial Data Mining and Knowledge Discovery,简称SDMKD)是指从空间数据库中提取隐含的知识、空间关系或从海量、且纷繁复杂的空间数据中寻找其规律性、知识性的认识.由于空间数据的非结构化、多维度、多尺度等特征,SDMKD比一般的数据挖掘复杂,研究的兴起也较晚. 随着空间信息科学的发展,SDMKD在诸如地理信息系统等方面的应用越来越广泛,作为空间科学的重要分支之一,地理信息系统在很多应用中都需要求给定物体的RkNN.而现有RkNN算法一般都存在以下的不足:不支持3D空间;对k的值有限制;不支持数据库的动态更新;或者不能得到精确的结果.基于此,本文提出了一个利用已有先进的kNN算法,在3D空间内能够支持数据更新且适合任意k值的RkNN算法. kNN与RkNN的解决方法都取决于距离量度的选择,本文采用的是N维欧拉空间RN以及欧拉距离L.我们用D来表示距离量度,即:对于任意两个点p和q,它们之间的欧拉距离记为D(p,q)。

关键词： 空间数据挖掘 知识发现 RkNN 空间数据库 欧拉空间

作者: 单世海

作者单位: 山东大学计算机科学与技术学院,济南,250061

会议类型: 国内会议

会议名称: 第六届中国Rough集与软计算学术研讨会(CRSSC”2006)

会议地点: 浙江金华

会议语种:中文

页码: 127-129

在线出版日期: 2006-10-30（万方平台首次上网日期，不代表论文的发表时间）