基于图结构的空间同位模式挖掘

空间同位模式反映了不同地理要素分布的依存关系,是地理学第一定律的体现,也符合空间大数据分析重在揭示事物关联特征的目标。空间同位模式挖掘需要顾及空间分布耦合机制,探测空间邻近关系及基于支持度等指标分析高频共生模式。现有方法多在判定邻近关系的同时搜索共生模式,导致在挖掘高阶共生模式时需要实时修正几何邻近关系,在复杂系统下丧失计算过程的灵活性。考虑到图数据蕴含的拓扑连接信息与空间同位模式相契合,本文提出一种基于图结构的空间同位模式挖掘方法。该方法一步完成几何上的邻近关系探测,然后在图数据库中通过子图搜索完成逻辑上的同位模式判别。首先,基于Delaunay三角网构建自适应邻接图,利用自适应邻接过滤器删除无效连接。然后,通过候选子图的不断连接、剪枝、生长,逐步从N元递推获取N+1元候选同位模式。最后,通过计算支持度指标并与预定义阈值比较以确定空间同位模式。本文基于不断生长迭代的图遍历思想提升了空间同位模式挖掘面向更复杂的空间场景的普适性。试验表明本文方法具备高效的挖掘能力,相较传统算法,在多元空间同位模式的挖掘任务中效果更优。

一种新的正负空间同位规则挖掘算法

空间同位规则是一种新的空间数据挖掘方法.尽管人们对挖掘空间同位规则做了一些研究,但大多数研究者仅仅对正空间同位规则进行研究,没有考虑负空间同位规则.本文提出了一种新的正负空间同位规则挖掘算法(Positive and Negative Spatial Co-Location Rules Mining Algorithm,PNSCLRMA).为了减少计算量,算法利用了星形邻域去减少连接运算和定义兴趣度去删除不感兴趣的空间同位模式两项优化技术.实验表明,该算法有效可行.

多层次空间同位模式自适应挖掘方法

空间同位模式挖掘旨在从空间数据中发现频繁发生在邻近位置的事件集合,对于揭示地理现象间的共生规律具有重要价值。由于地理现象的空间异质特质,空间同位模式也存在区域性分异的特点,在不同空间层次上的分析结果各异。然而,现有方法仅从全局视角挖掘空间同位模式,发现局部空间同位模式依然是一个亟待解决的难题。为此,本文基于由整体到局部的思想,提出了一种多层次空间同位模式自适应挖掘方法。首先,从全局视角提取频繁的空间同位模式,将全局不频繁的空间同位模式作为候选的局部空间同位模式;然后,通过对候选局部同位模式进行自适应聚类自动识别其局部分布区域,并在这些局部区域内度量候选模式的频繁程度;进而,提出了一种叠置推绎的方法,从频繁子模式的局部区域中进一步推绎获得超模式的局部分布区域,最终生成所有频繁的局部空间同位模式集合。通过试验分析与比较发现,本文方法不仅可以发现全局的空间同位模式,还能有效提取具有区域性分布特征的局部空间同位模式,可以从多个空间层次上反映地理事件间的共生规则。

显著空间同位模式的多尺度挖掘方法

空间同位模式挖掘对于揭示地理现象间的共生、依赖规律具有重要价值。然而,空间同位模式挖掘中参数阈值缺乏先验知识,若设置不合理,挖掘结果中会遗漏重要的模式或包含冗余的、甚至错误的模式。为此,本文提出了一种基于模式重建的显著空间同位模式多尺度挖掘方法。首先,定义了互邻近距离指标,该指标可用来确定距离阈值的有效取值范围。进而,以模式重建为基础构建零模型,借助统计检验的方法来发现显著的空间同位模式,从而避免了兴趣度阈值的设置。最后,对空间同位模式进行多尺度挖掘,并引入生存期的概念对同位模式多尺度挖掘结果进行有效性评价。试验结果表明:本文方法可有效降低算法参数设置的主观性,从而提升空间同位模式挖掘结果的准确性和稳健性。

局部空间同位模式在作物种植适宜性调查中的应用

空间同位模式的局部挖掘算法存在挖掘结果无统计显著性意义、缺少领域知识介入导致挖掘结果针对性不强等问题.通过引入领域专家知识选择候选模式,构建候选模式属性的兴趣度函数作为局部空间统计量,对空间候选模式的兴趣度值聚集区域进行挖掘,进而合并聚集区域的邻域确定模式的空间区域.经过分析及验证,利用该方法对长汀县烟草种植适宜性结果数据集进行处理,发现了主要养分高但不适合种植烟草的异常模式及区域.据此,专家有针对性地提出了加大灌溉基础设施建设、施用石灰和硼肥等改善烟草种植条件的建议.

空间同位素热/电源安全性技术指标体系框架研究

基于我国空间同位素热/电源使用环境特点,借鉴国外空间同热/电源安全认证的研究成果,通过对空间同位素热/电源应用环境剖面的分析,开展了空间同位素热/电源安全技术指标体系框架研究,建立了覆盖同位素热/电源产品研制、地面贮存/运输、发射准备、发射、在轨运行及废弃处置等全生命周期的正常和事故环境下的安全性技术指标体系,提出四大类型29项可考核技术指标,可作为空间同位素热/电源研制和安全性使用评价工作的主要依据,为解决我国使用空间同位素热/电源缺乏安全认证体系和安全性验证技术指标问题提供参考。

自然邻域支持下的空间同位模式挖掘方法

空间同位模式指频繁发生在邻近空间位置的事件集合,此类模式对于深入理解不同空间要素间的交互关系具有重要意义。空间同位模式挖掘的一个核心内容是空间要素邻近关系构建,然而现有方法在空间要素分布不均匀时难以准确地描述要素间的邻近关系,容易导致挖掘结果的遗漏或误判。为此,本文提出了一种基于自然邻域的空间同位模式挖掘方法。首先从同位模式的产生机理分析入手,过滤同位模式挖掘中的干扰要素;进而,从距离邻近性、密度变化一致性和关系紧密性的原则出发,自适应地构建空间要素实例的自然邻近关系;最后,以自然邻域为基础,基于图的连通性从整体到局部发现多层次同位模式。试验分析与比较发现,本文方法能够有效发现空间要素分布不均匀情况下的同位模式,而且降低了人为设置邻域参数对挖掘结果的影响。

多尺度空间同位模式挖掘的点过程分解方法

空间同位模式挖掘旨在发现多类地理要素或事件频繁互邻近形成的关联规则,对于理解复杂地理现象内在发生机理具有重要价值。针对现有基于关联规则的空间同位模式挖掘方法难以对地理数据特性(如多尺度性)进行有效建模的缺陷,本文提出了一种基于点过程建模与分解的多尺度空间同位模式挖掘方法。首先通过构建一个随机变量将多类要素实例分布数据表达为混合空间点过程,并引入一个非参统计指标对同位模式进行特征尺度判别;基于此,定义一种条件概率密度分布函数,利用点过程分解思想挖掘多尺度空间同位模式及其实例分布。试验分析结果表明本文方法可以准确挖掘空间同位模式在不同尺度的空间分布形态,并且有效降低了人为设定参数的主观性。

工业污染对癌症影响的挖掘方法:改进的空间同位模式

引起人类患癌的原因,环境污染占比60%。空间同位(co-location)模式挖掘算法可以识别其实例在地理空间中频繁邻近的模式,可应用于探究工业排放的室外空气污染物与癌症的潜在联系。传统的空间同位模式挖掘算法在衡量模式兴趣度时通常基于模式实例出现频次计算其频繁性,但污染源实例对癌症实例的影响还与实例之间的距离相关,加之污染源受气象条件、浓度大小、危害程度等因素的影响具有差异性,因此不能只依靠实例出现次数度量其兴趣度。为此,基于高斯核密度估计模型提出了空间序偶模式及相应挖掘算法,高斯核函数可以较好地刻画污染源对癌症病例的影响随距离衰减的过程,为了尽可能地还原污染源在真实世界中的扩散情况,将城市风向、风速以及污染源排放浓度考虑在内定义了新的空间邻近关系度量准则,并且对污染源所属致癌类别进行了归类,对不同致癌类别的污染物进行加权区分,提出了更加新颖的污染源与癌症关系模式的度量和相应的挖掘算法。最后,在真实和合成数据集上验证了所提度量和挖掘算法的有效性和高效率,结果表明,提出的影响度度量较传统参与度度量更能捕获现实生活中更具有现实意义的空间序偶模式,且相较于同类型算法挖掘效率平均提高了60%左右。

空间斯特林热电转换技术在轨试验

为提高空间同位素电源的效率和功率,满足深空探测、载人登月和火星登陆等航天任务对航天器能源的需求,梳理了空间自由活塞斯特林热电转换涉及的关键技术,设计了天宫空间站空间自由活塞斯特林热电转换装置的在轨试验方案,在轨开展了斯特林热电转换试验,验证了空间微重力环境下双活塞自由运动的间隙密封、双活塞相位保持等关键技术,获取了空间环境下双自由活塞精确的运动相位保持及漂移特性、动力学与热力学强耦合特性等关键参数。在轨试验结果表明,试验装置在轨运行性能良好,热电转换效率达到24.72%,为未来空间高效同位素电源等不依赖太阳能的能源技术应用奠定了基础。

k-邻近空间关系下的空间同位模式挖掘算法

定义了一种基于k-邻近对象的空间同位模式,探讨了基于k-邻近空间关系的同位模式的特点及其与基于距离阈值的空间同位模式的区别与联系,并开发了k-邻近对象同位模式挖掘算法(KNFCOM)。通过对真实数据的实验结果表明,KNFCOM算法可有效地发现大型空间数据集中存在的各种空间同位模式。

空间分类数据同位规则挖掘算法

针对空间分类数据的特性,提出一种空间分类数据同位规则挖掘算法.利用空间关系定义数据挖掘中事务的概念,采用多层参与索引搜索空间同位规则,从而实现了对空间分类数据的有效处理.采用文中算法对杭州地区119火灾数据进行实验,并验证了该算法的适用范围和性能.实验表明,该算法可以有效地处理经过离散化后的连续数据.

适合稀少空间特征的同位模式挖掘算法

空间同位模式挖掘是空间数据挖掘的一个重要方向.现有的同位模式挖掘着重研究每个空间特征的平等参与,而这在具有稀少特征的空间数据中会遗漏一些很有价值的模式.首先提出了一种新的称为maxPR的度量方法,每个确定的同位规则都与具有高的maxPR值的同位模式相关.其次,阐述了maxPR的弱单调性,并利用maxPR的弱单调性提出了一种适合稀少空间特征的同位模式挖掘的有效算法.

连续变量的自适应局部空间同位模式挖掘算法

目前,局部空间同位模式挖掘方法存在需要预设定邻域范围、挖掘的结果无统计显著性意义而难以对结论进行科学地判定等问题,如当前常用的K近邻方法难以确定合适的搜索圆半径,而固定距离法由于空间数据集的多尺度特性,距离阈值的设定对结果的影响较大。因此,针对连续变量的空间采样点数据集,本文提出了一种自适应局部空间同位模式挖掘算法。首先,定义了连续变量的空间同位模式兴趣度函数、模式指示器函数及Voronoi邻域,并通过构建Voronoi邻域矩阵避免了预设定邻域阈值的问题,最后采用G*i统计量进行局部空间同位模式及其区域的发现,使挖掘的结果具有统计显著性意义,进而帮助专家对挖掘结果做出更科学的判定。通过使用真实的连接了烟草适应性评价结果的耕地地力样点调查数据和水污染数据,对开发的算法进行测试。实验结果表明,算法无需预设邻域范围,可查找同区域内的不同空间同位模式。实验所发现的局部空间同位模式发现了实验数据研究区域存在的特有现象,对耕地地力调查工作具有实际的指导作用。

显著局部空间同位模式自动探测方法

局部空间同位模式挖掘旨在揭示多类地理事件在异质环境下的共生共存规律。已有的方法一方面需要模式筛选的频繁度阈值参数,另一方面需要区域探测的划分参数或聚类参数,参数的不合理设置会导致挖掘结果不可靠甚至出现错误。因此,提出了一种显著局部空间同位模式自动探测方法。首先,基于空间统计思想,采用非参数模式重建方法对空间同位模式进行显著性判别,将全局非显著空间同位模式作为进一步局部探测的候选模式;然后,借助自适应空间聚类方法提取每个候选模式的热点区域;最后,通过不断生长并测试每个热点区域,界定显著局部空间同位模式的有效边界,即空间影响域。通过实验与比较发现,该方法能够客观且有效判别空间同位模式的显著性,并且自适应地提取局部同位模式的空间分布结构,降低了现有方法参数设置的主观性。

集成同位模式的空间关联规则挖掘方法

在空间数据挖掘中,使用传统的频繁集挖掘方法会导致空间实体重复计数,而且未考虑到空间实体之间的关系以及空间实体与周围环境的相关性将产生大量不相关的空间信息。针对以上存在的不足,提出集成空间同位模式挖掘的空间关联规则挖掘模型及算法。引入"地理学第一定律"和"生物群落构建"思想,首先对空间实体特征分布进行优化划分及连续空间分布的离散化处理;然后消除冗余的空间信息,并使用空间同位算法挖掘不同空间实体特征的隐含关系,由实体的空间属性、非空间属性及空间关系来构建空间事务数据库;最后在空间事务数据库中进行空间关联规则挖掘。实验结果表明,该模型和算法是有效的,考虑到空间实体特征间的相关性,经过冗余信息消除方法和连续空间分布的离散化处理,在构建的空间事务数据库中能发现多种有意义的空间关联规则。

特定空间对象同位模式挖掘算法研究

空间同位模式挖掘研究主要以区域划分为基础,考虑对象实例两两之间的距离关系,这样挖掘出的同位模式是双向对称的。但区域的划分起止位置不确定,可能出现由于区域划分的不一致而得到不一样的空间同位模式结果。该文提出以指定对象为核心的空间同位模式挖掘,这样不必担心区域划分的起止位置对挖掘结果的影响,而且更能有针对性地发现特定空间对象与其它哪些对象具有空间同位关系。

基于空间同位模式的贝叶斯网构建

空间同位挖掘方法是空间数据挖掘中挖掘空间点要素之间潜在关联规则的方法,通过对空间同位挖掘算法和贝叶斯网的分析,提出了一种从空间同位挖掘算法构建贝叶斯网的方法.该方法主要通过把空间同位挖掘算法中挖掘出的空间同位作为贝叶斯网中的结点变量,并把挖掘过程中定义的支持度作为条件概率,构建出一个基于空间同位模式的叶斯网,给出了算法和实验.利用贝叶斯网可以构建出关于空间同位模式的全概率空间.

空间同位模式支持下城市服务业关联发现及特征分析

空间同位模式分析是数据挖掘中一种常见的方法,可有效挖掘城市设施在空间位置上的关联特征,进而发现城市设施的分布规律。本文基于POI数据同位模式挖掘用来获取城市服务业空间关联结构:首先,通过邻近实例获取、同位候选模式存储与筛选,得到城市服务业二阶同位模式;然后,据此构造产业空间关联图,得到产业间的关联结构;最后,分别构造了产业空间关联图密度和产业空间关联显著指数,用来衡量城市服务业空间关联的紧密程度和整体关联的显著程度。本文选取成都、兰州、郑州、沈阳、上海与深圳为试验区,实验结果表明:不同城市服务业的空间关联结构存在共性与特殊性,整体上,餐饮、购物等与居民日常生活相关的服务业易与其他服务业产生空间强相关,这几类服务业内部空间集聚明显;成都与沈阳的服务业整体表现空间关联度高且紧密,兰州其次,上海与深圳的服务业则整体表现空间关联较弱,郑州的服务业空间关联较紧密但强度较低。

基于粗糙集的局部同位模式挖掘算法

通过空间同位模式挖掘可发现频繁发生在邻近位置的事件集合,为揭示地理现象间的共生规律提供重要的决策支持。由于空间同位模式存在空间异质性问题,已有方法不能很好地探测出空间同位模式分布的相近性区域。为此,本文从地理属性的相近性方向探测同位模式的分布区域,提出了基于粗糙集的局部空间同位模式挖掘方法。首先,从全局视角提取不频繁的空间同位模式作为候选的局部空间同位模式;然后,对候选同位模式的实例位置进行处理,将其分布的热点区域属性作为粗糙数据集,借助粗糙集探测局部空间同位模式自然的分布区域;最后,度量在这些局部区域的频繁程度,生成所有频繁的局部空间同位模式。通过试验与应用发现,该方法不仅可以探测局部空间同位模式分布的相近性区域,还能反映同位模式分布区域的地理属性信息。