基于空间数据代数表达的自相关性与关联规则挖掘研究

GIS中的关联规则挖掘可以发现地理数据中隐含的关系和规则，根据现有的数据预测未来的发展趋势，使现有的GIS系统具有辅助决策的功能。但由于空间数据的相关性，根据地理学第一定律，"任何事物都是相关的，距离近的事物的相关性比距离远的事物的相关性大（Tobler 1979）"，使得关系数据库中的关联规则挖掘方法不完全适用于空间数据的关联规则发现。本项目从一个全新的角度研究此问题, 按照J.Corbett（1985）单元结构的理论，空间图形是由点、线、面和体的单元组成的图形子集，本项目拟采用单元子集的代数结构表达空间数据，并根据这种代数表达形式对空间数据的相关性模型进行定量研究，然后由相关模型中的变量的相关性的强弱得到空间关联规则的频繁项集。避免了传统的关联规则挖掘算法中通过耗时耗资源的多次数据库扫描得到频繁项集的过程，为空间关联规则挖掘提供一个新的挖掘过程和理论框架。