随着空间技术在各个行业的应用以及数据挖掘、空间数据采集技术、数据库技术的迅速发展,对从空间数据库发现隐含知识的需求日益增长,出现了用于在空间数据库中进行知识发现的崭新研究领域——空间数据挖掘。空间数据挖掘是从空间数据库中提取隐含的、用户感兴趣的空间、非空间模式和普遍特征的过程,它是多学科和多种技术交叉综合的新领域,综合了机器学习、空间数据库系统、专家系统、可移动计算、统计学、遥感、基于知识的系统、可视化等领域的有关技术。尽管数据挖掘最初产生于关系数据库和事务数据库,但由于空间数据的特殊性,从空间数据库中发掘知识很快引起了数据挖掘研究者的关注。 本文系统的介绍了空间数据挖掘的基本理论,比较传统数据挖掘与空间数据挖掘的不同之处,进而分析了空间数据挖掘中数据分类的研究现状和目前存在的问题。通过对已有方法的研究以及在与统计学、粗糙集理论、信息论等领域相关技术的结合,提出针对空间数据挖掘中连续数据离散化、谓词选取以及数据分类的解决方法,并最终以空间数据挖掘原型系统的形式加以实现。 本文所做的主要工作有以下几个方面: ● 利用统计学中的方差分析方法,本文根据数据总平方和可以分解为效应平方和与误差平方和的思想,提出了基于效应平方和的连续数据离散化算法,先利用直方图法对数据进行初始化,然后计算相应的效应平方和和误差平方和,直至效应平方和最大。 ● 本文利用最大熵原理对不同层次空间对象的空间关系进行分析,采用Kullback-Leibler距离作为迭代条件,使用互信息和Z-测试方法选取最能表征空间对象之间关系的空间谓词及与之相关联的非空间数据集。 ● 空间数据挖掘中需要不确定性处理的一个基本方面是空间对象之间的拓扑关系。本文提出了采用概率粗糙集模型处理空间关系的空间数据分类方法,此方法可以处理空间数据中的不确定性关系,在保持信息分类能力不变的前提下进行数据约简,能够处理多种类型的噪声,输出最终的空间数据分类规则。 ● 通过对空间数据挖掘中数据预处理、空间谓词选取及数据分类的研究,最后实现了一个空间数据挖掘的原型系统。原型系统是在Windows操作系统下,以