本文關鍵詞：量化空間關聯規(guī)則挖掘應用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：空間關聯規(guī)則挖掘是空間數據挖掘的重要內容,作為關聯規(guī)則挖掘的一個分支,能為人們提供隱含在空間數據中對人們有價值的知識,發(fā)現空間實體之間的空間依存關系、相互作用關系、因果關系和共生關系等。傳統(tǒng)的空間關聯規(guī)則挖掘研究主要集中于布爾關聯規(guī)則的挖掘,但對于規(guī)則中存在的量化關系則鮮有研究。本文在總結前人對空間關聯規(guī)則挖掘研究的基礎上,研究量化空間關聯規(guī)則挖掘問題,通過對空間數據預處理,并對傳統(tǒng)的關聯規(guī)則算法進行改進,使得到的關聯規(guī)則包含部分量化信息,最后使用模擬退火算法提取關聯規(guī)則的量化信息,從而最終實現量化空間關聯規(guī)則挖掘。本文主要內容包括：1.分析了空間關聯規(guī)則挖掘和量化關聯規(guī)則挖掘的研究進展,并指出當前研究中主要存在的問題。2.分析了空間關聯規(guī)則挖掘的基本概念及主要算法、數據預處理方法和模擬退火算法,結合多層關聯規(guī)則挖掘的思路,給出了量化空間關聯規(guī)則挖掘的基本流程。3.在分析了空間關聯規(guī)則挖掘在數據預處理中存在的問題后,論文使用空間聚類進行空間數據預處理,對將要進行空間關聯規(guī)則挖掘的要素進行空間聚類,將得到的每個聚類簇看作一個離散空間,從而實現空間離散化。從而在空間數據預處理時盡可能多的保留隱含的空間信息。4.為實現量化空間關聯規(guī)則挖掘,使空間關聯規(guī)則挖掘過程中保留量化信息,論文對關聯規(guī)則算法FP-Growth和其輔助數據結構FP-tree進行了改進。重新構造FP-tree數據結構,設計了包含事務信息的FPT-tree,并對FP-Growth算法進行了相應的改進,使提取的關聯規(guī)則包含其對應的事務信息。5.研究了模擬退火算法的基本思路和過程,使用模擬退火算法對包含事務信息的關聯規(guī)則進行量化關聯規(guī)則挖掘,有效地提取了關聯規(guī)則中各項之間的量化關系。并以某市地址點數據為例,進行量化空間關聯規(guī)則挖掘,驗證了論文中量化關聯規(guī)則挖掘的有效性。
【關鍵詞】：空間關聯規(guī)則 數據預處理 量化關聯規(guī)則 FP-Growth 模擬退火
【學位授予單位】：解放軍信息工程大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP311.13
【目錄】：

• 摘要4-5
• Abstract5-8
• 第一章 緒論8-14
• 1.1 研究背景及意義8
• 1.2 國內外研究現狀及分析8-12
• 1.2.1 研究現狀8-11
• 1.2.2 現狀分析11-12
• 1.3 主要研究內容及組織結構12-14
• 1.3.1 主要研究內容12-13
• 1.3.2 論文結構13-14
• 第二章 相關理論及技術基礎14-23
• 2.1 關聯規(guī)則相關知識14-18
• 2.1.1 空間關聯規(guī)則挖掘相關知識14-15
• 2.1.2 關聯規(guī)則算法15-18
• 2.2 數據預處理方法18-20
• 2.2.1 數據離散化與空間聚類18-19
• 2.2.2 數據變換與規(guī)范化19-20
• 2.3 量化關聯規(guī)則問題研究20-22
• 2.3.1 多層關聯規(guī)則挖掘20
• 2.3.2 模擬退火算法20-22
• 2.3.3 量化空間關聯規(guī)則挖掘流程22
• 2.4 本章小結22-23
• 第三章 空間數據預處理23-38
• 3.1 基于聚類的空間數據離散化23-26
• 3.2 聚類算法優(yōu)化26-29
• 3.2.1 噪聲數據清理26-27
• 3.2.2 離優(yōu)化27-29
• 3.3 聚類結果分析和選取29-33
• 3.4 基于行政區(qū)劃的空間數據離散化33-35
• 3.5 構建事務數據庫35-36
• 3.6 本章小結36-38
• 第四章 量化空間關聯規(guī)則挖掘38-52
• 4.1 包含事務信息的FP-tree38-42
• 4.1.1 FP-tree的定義38-39
• 4.1.2 構建包含事務信息的FPT-tree39-42
• 4.2 FPT-growth算法42-43
• 4.2.1 FPT-growth算法基本思想42
• 4.2.2 FPT-growth算法步驟42-43
• 4.3 基于模擬退火的量化關聯規(guī)則挖掘43-51
• 4.3.1 數據變換44-46
• 4.3.2 量化規(guī)則提取46-48
• 4.3.3 量化關聯規(guī)則興趣度度量48-51
• 4.4 本章小結51-52
• 第五章 實驗及分析52-63
• 5.1 使用聚類數據進行定量關聯規(guī)則挖掘52-57
• 5.2 使用行政區(qū)劃數據進行定量關聯規(guī)則挖掘57-59
• 5.3 實驗結果分析及應用案例59-62
• 5.4 本章小結62-63
• 第六章 總結與展望63-65
• 6.1 工作總結63
• 6.2 展望63-65
• 致謝65-66
• 參考文獻66-69
• 作者簡歷69

【參考文獻】

中國期刊全文數據庫 前8條

1 董林;舒紅;李莎;;直接從空間數據中挖掘頻繁模式[J];計算機應用研究;2013年08期

2 邢東旭;申海濤;孟海東;;基于距離的關聯規(guī)則挖掘算法研究[J];內蒙古大學學報(自然科學版);2010年06期

3 王富強;許士國;;多維關聯規(guī)則挖掘在徑流長期預報中的應用[J];人民長江;2009年19期

4 李光強;鄧敏;朱建軍;;基于Voronoi圖的空間關聯規(guī)則挖掘方法研究[J];武漢大學學報(信息科學版);2008年12期

5 張雪伍;蘇奮振;石憶邵;張丹丹;;空間關聯規(guī)則挖掘研究進展[J];地理科學進展;2007年06期

6 張德豐,馬子龍,梁忠宏;基于聚類和關聯規(guī)則的挖掘算法[J];計算機工程與科學;2004年09期

7 陳江平,傅仲良,邊馥苓,沙衷堯;基于空間分析的空間關聯規(guī)則提取[J];計算機工程;2003年11期

8 杜益鳥,宋自林,李德毅;基于云模型的關聯規(guī)則挖掘方法[J];解放軍理工大學學報(自然科學版);2000年01期

  本文關鍵詞：量化空間關聯規(guī)則挖掘應用研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：317221