第15章-复杂对象数据挖掘

1、幻灯片。1、数据挖掘原理及SPSS应用宝典安编辑邓海涛编辑电子工业出版社幻灯片号。2，第15章复杂对象数据挖掘，幻灯片。3，15.1空间数据库挖掘15.2多媒体数据挖掘15.3文本挖掘15.4万维网挖掘15.5数据流挖掘15.6时间序列数据挖掘15.7事务数据库挖掘序列模式15.8生物数据挖掘序列模式，幻灯片4，15.1空间数据库挖掘，空间数据库挖掘(SDM)本质上是空间信息技术发展的必然结果，是面向空间数据库的数据库挖掘(DM)的一个重要分支，SDB。空间实体之间有三种关系：空间拓扑、空间距离和空间方向。幻灯片5，15.1.1，“空间数据概述”，空间数据是指与二维、三维或更高维空间的空间坐标

2、和空间范围相关的数据。空间数据的复杂性特征包括：空间属性之间的非线性关系、空间数据的模糊性、空间维度的增加、空间数据的缺乏、幻灯片6、15.1.1.2空间查询、空间查询及其操作的主要特征是：空间操作相对复杂，空间连接问题不准确。同一地理区域往往有不同的观点。空间实体可以通过空间和非空间属性来描述。幻灯片。许多基本的空间查询是数据挖掘行为的基础。这些查询包括：区域查询或范围查询：查找与查询中指定区域相交的实体。最近的查询：找到与指定实体相邻的实体。距离扫描：找到与指定实体有一定距离的实体，该距离逐渐增加。提示：所有这些查询都可以用来辅助空间聚类或分类操作。15.1.1.2空间查询工作，幻灯片8，

3、15.1.2空间数据挖掘中的基本计算模型，空间关系计算(1)两个空间实体之间常用的距离如下：最小方法：将实体A和B之间的距离定义为A中所有点与B中所有点之间的欧几里德或曼哈顿距离中的最小距离，即(15 -1)。幻灯片。9、大值法：将实体A和B之间的距离定义为A和B中所有点之间的最大欧几里德或曼哈顿距离，即，(15-2)平均法：将实体A和B之间的距离定义为A和B中所有点之间的欧几里德或曼哈顿距离的平均值，即，(15-3)，空间关系计算，幻灯片编号。10、中心法：将实体A和B之间的距离定义为A和B的中心点之间的欧几里德或曼哈顿距离的平均值，即(15-4)最简单的方法是取实体A和B的中心点，这可以通

4、过找到实体的几何中心来识别。空间关系计算，幻灯片11，15.1.2，空间数据挖掘中的基本计算模型，(2)两个空间实体之间存在一些拓扑关系。这些关系基于两个实体的位置：不相交：A与B分离，这意味着B中的任何点都不在A中，反之亦然。重叠/相交：a和B之间的重叠或相交意味着a和B中至少有一个点.等价性：两个实体A和B的所有点都是公共的。第12张幻灯片，包含在：a包含在b中，这意味着a的所有点都在b中，反之亦然。覆盖/包含：当且仅当b包含在a中时，a覆盖或包含b。(3)方向是描述两个点实体之间位置关系的度量。如果我们想要分析平面实体之间的位置关系，我们应该将多边形转换成重心点或其他点实体。15.1.2

5、空间数据挖掘中的基本计算模型、第13张幻灯片、15.1.2.2空间实体信息模型和空间场模型主要用于模拟空间中连续分布的地理现象，属性值可以是连续的，也可以是离散的。空间场数据模型的优点是数据结构简单，便于空间分析和模拟。缺点是不利于表达空间实体，而且数据量也很大。，幻灯片14，15.1.2空间数据挖掘中的基本计算模型，空间元素模型图15-3从基于元素的空间信息模型中抽象出现实世界，幻灯片15，15.1.2空间数据挖掘中的基本计算模型，提示：实体必须满足三个条件：可识别，重要(与问题相关)，可描述(是)。表15-2现实世界与信息世界的对应关系，第16张幻灯片，15.1.2空间数据挖掘中的基本计算

6、模型，以及空间网络模型。在空间网络结构模型中，地理现象被抽象为链、节点及其连接关系(图15-4空间网络抽象)。图的形式定义是(15-10)图15-4中空间网络的抽象，15.1.2第17张幻灯片中空间数据挖掘的基本计算模型，以及集成位置和属性的空间实体的信息模型。一般来说，空间实体的形式模型是四重的，分别代表空间实体的四个特征。位置特征数据为 (15-11)，幻灯片18，15.1.3，这是空间数据挖掘的基础。空间数据挖掘(SDM)是指提取空间数据库中没有明确存在的知识、空间关系或其他有意义的模式。一般来说，15.1.3.1空间数据挖掘的框架体系可以大致分为三层，如图15-5所示。第一层是数据源。

7、第二层是挖掘者；第三层是用户界面。第19张幻灯片，图15-5空间数据挖掘体系结构，第20张幻灯片，15.1.3.2空间数据挖掘方法学，空间评估。空间分类和聚类。空间分布计算。空间优化。空间回归分析。空间动态模拟和预测。时空相关知识的归纳。斯莱德诺。21，15.1.4几种空间数据挖掘算法，15.1.4.1空间关联分析空间关联规则挖掘是传统关联规则挖掘的扩展，它通常使用最小支持度和最小可信度作为基本统计参数。由于空间数据的特点，它常常被概括为多层次的概念。斯莱德诺。22、挖掘空间关联规则的有效方法是自上而下并逐步深化搜索技术。首先，在较高的概念层次上进行搜索，并在粗略的精度层次上找到频繁模式和这些

8、模式中的强隐含关系；然后，频繁出现的模式被搜索到较低的概念级别，并且这个过程继续，直到没有发现频繁出现的模式。空间相关性分析，幻灯片编号23，15.1.4.1空间相关性分析，典型的五步算法：步骤1:通过给定的查询提取相关数据。步骤2:应用一种粗略的空间运算方法来计算整个相关数据集。步骤3:过滤掉支持度低于最小支持度阈值的一阶谓词。步骤4:应用一种精确的空间计算方法，从派生的粗谓词集中计算谓词。第五步：深入底层，在多个概念层找到完整的关联规则集。第24张幻灯片，15.1.4.2空间分类算法和空间趋势分析。空间分类是指分析空间对象，并得出与某些空间特征相关的分类模式。提示：空间因素可以是非空间属性

9、和空间属性，也可以同时使用。(1)样本数据的训练可以通过转换传统的分类算法来完成。(2)空间决策树的空间分类技术采用两步方法构建决策树。这种方法的思想基础是，空间实体可以由靠近它们的实体来描述。假设一个类的描述是基于一组与实体最接近和最相关的谓词。构建决策树有五个主要步骤，幻灯片25，空间决策树：根据已知的分类，从数据D中找到一个例子.确定分类的最佳谓词p。通常，我们首先在较粗的层次上寻找相关的谓词，然后在较细的层次上寻找。空间决策树，第26张幻灯片，找到最佳的缓冲区大小和形状。对于样本中的每个实体，其周围的区域称为缓冲区。目标是选择一个能够在测试集中产生最不同类型的缓冲区。使用p和c来总结每

10、个缓冲区的谓词。使用广义谓词和ID3构建二叉树。空间聚类分析是空间模式识别和空间数据挖掘的重要手段之一。其目的是在基于距离计算的大型多维数据集中找到聚类或密集区域。提示：通过空间聚类发现的聚类不应该依赖于测试空间中点的顺序，聚类也不应该受到不相关点的影响。本节介绍的空间聚类方法是基于坐标-属性综合空间信息模型，幻灯片28，15.1.4.3空间聚类方法，从两个类到每个样本的一个类的系统聚类算法包括以下步骤：对地理特征向量中的每个元素进行无量纲化。让类的数量k=2，并设置迭代误差阈值emin=0.100001(可根据需要设置)。假设迭代次数t=0，k个初始聚类中心为：对于第t次迭代，如果有，将样本

11、si分配给第j0个聚类域。这样，所有m个样本可以被划分为k个聚类域。第29张幻灯片和Nj是新聚类中心公式中第个聚类域中包含的样本数。如果迭代停止，则第t次迭代的结果是分成k个类别的聚类方案，并转向(7)；否则，t=t 1，转到(4)。当k m，k=k 1时，转到(3)；否则，系统集群结束。聚类算法步骤(续)，第30页，多媒体数据挖掘15.2，多媒体数据挖掘15.2.1。多媒体信息具有很强的语义相关性。多媒体信息具有时空相关性。知识难以表达和解释，通过多媒体挖掘获得的模式往往模糊不清。多媒体数据挖掘概述多媒体数据挖掘系统的典型体系结构是基于基于内容的多媒体数据检索系统的开发。其总体结构如图15-

12、8所示。图15-8多媒体数据挖掘系统结构，幻灯片32，15.2.2.2多媒体数据挖掘内容，多媒体数据挖掘的内容一般包括图像数据挖掘、音频数据挖掘、视频数据挖掘等。图像挖掘图像包含丰富的视觉特征和空间特征。视频挖掘视频包含丰富的内容特征，包括视觉特征和空间特征，以及时间特征、视频对象特征和运动特征。幻灯片。33、多媒体数据挖掘的内容，音频挖掘通常有两种方法来挖掘音频。 利用语音识别技术将语音识别为单词，并将音频挖掘转化为文本挖掘；直接从音频中提取声音特征，如音调和节奏，并用聚类方法分析声音模式。多媒体综合挖掘多媒体概念与单一媒体的区别在于它是一个综合的系统概念，与媒体是相关的。15.2.3多媒体

13、数据挖掘方法，可以挖掘图像和视频数据库中与多媒体对象相关的关联规则，至少包括以下三类：图像内容和非图像内容特征之间的关联，与空间关系无关的图像内容和与空间关系相关的图像内容之间的关联，15.2.3.2 35号幻灯片中多媒体数据的相似性搜索， 在多媒体数据的相似性搜索中，主要考虑两种多媒体索引和检索系统：(1)基于描述的检索系统，主要基于图像描述建立索引并执行对象检索，如关键词、标题、大小、创建时间等。(2)基于内容的检索系统，支持基于图像内容的检索，如颜色成分、纹理、形状、对象和小波变换。第36张幻灯片，两种查询。在基于内容的检索系统中，通常有两种查询：基于图像样本的查询。图像样本查询是指查找

14、与给定图像样本相似的所有图像。图像特征规格查询。图像特征描述查询是指给定图像的特征描述或概括，对多媒体数据的类似搜索。到目前为止，人们已经提出了几种相似的基于图像特征识别的图像数据库检索方法：基于颜色直方图的特征识别和基于小波特征识别的多特征组合特征识别，以及基于区域粒度的小波特征识别。幻灯片。38、15.2.3.3多媒体数据的分类和预测分析，我们还可以对多媒体数据进行分类和预测，特别是在天文学、地震学、地理学等方面的研究。分类是对多媒体数据的一种分析形式，它根据媒体的某个特征(或一组特征)将数据分成不同的类别。这是一个两步的过程：第一步，建立一个模型来描述预定义的类集。第二步，使用模型进行分

15、类。幻灯片39，15.3文本挖掘，15.3.1文本挖掘概述数据库挖掘处理的对象是结构化数据，目的是发现结构化数据源中不同属性之间的关联规则，或者对数据对象进行聚类和分类，或者构建数据的预测模型。第40张幻灯片，文本挖掘的一般过程，文本挖掘的一般过程一般包括文本准备、特征索引、特征集约简、知识模式提取、知识模式评估、知识模式输出等。文本挖掘的主要任务，文本挖掘的主要目标是获取文本的主要内容特征，特征提取，主题索引，文本分类，文本聚类，自动文摘，幻灯片42，15.3.1.3，文本挖掘和信息检索，文本预处理目前，人们经常使用这种策略：进行分类，聚类，文摘或自动挖掘文本集。首先，文本由一个高度一般化的向量表示，文本集被总结成一个向量集，它相当于一个二维表。然后，通过分析文本集对应的向量集，可以达到自动分类、聚类、抽象或挖掘更深层次隐藏知识的目的。幻灯片。文本表示文本表示是指原始文本由文