学海网

毕业论文-城镇地籍空间数据挖掘研究，共27页，16845字
摘 要
伴随着计算机网络的飞速发展，数据挖掘技术得到迅猛发展。目前已经有多种挖掘算法可以使用，空间数据的挖掘与一般数据挖掘的不同之处，在于空间数据的数据量庞大，时间特征等。如何从海量的地籍空间数据从提取人们感兴趣的有用信息，是困扰土地管理者和决策者的难题。有了空间数据挖掘的出现，人们便可利用这一技术进行挖掘，本文着重介绍聚类分析和空间自相关分析对某研究对象区域的地价挖掘。
论文中首先介绍城镇地籍空间数据研究的必要性目的和意义。目前数据挖掘研究的基本现状，进行数据挖掘的基本流程，一些基本概念的介绍。
然后介绍空间自相关分析的原理和一些方法，聚类分析的概念和方法。并在假设实例中进行分析，对它在地籍空间数据的挖掘应用中适当分析。力求在应用该挖掘方法对数据挖掘在该领域的应用有所经验。
关键字：数据挖掘，空间自相关，聚类分析

目 录
摘 要 I
ABSTRACT II
第1章 绪论 1
1.1 引言 1
1.2 空间数据挖掘的研究与进展 1
1.2.1 数据挖掘的产生、发展 1
1.2.2 数据挖掘的步骤 2
1.2.3 地籍数据挖掘的意义 2
1.2.4 国内地籍空间数据发展及挖掘方法现状 3
1.2.5 空间数据挖掘存在的问题 5
1.2.6 目前数据挖掘技术未来的发展方向 6
第2章 城镇地籍空间数据挖掘技术研究 7
2.1 地籍数据的涵义 7
2.2 城镇地籍数据挖掘的方法基本原理 7
2.2.1 空间自相关原理 7
2.2.2 空间权重矩阵 8
2.2.3 空间自相关度量指标 9
2.3 聚类分析 11
2.3.1 涵义 11
2.3.2 聚类分析的主要算法 11
第3章 城镇地籍空间数据挖掘方法的探讨 14
3.1 数据准备 14
3.2 数据挖掘方法 15
3.2.1 空间权重矩阵的确定 15
3.2.2 地价指数的Moran’s I特征分析 15
3.2.3 宗地价格聚类分析 16
3.3 方法评价 16
第4章 结论与展望 18
4.1结论 18
4.2 展望 18
致 谢 20
参考文献 21

前 言
地籍数据作为一种空间数据，记载了各宗土地的面积、用途等基本信息，反映了该地区土地的基本使用状况。它是土地交易、使用和管理等的重要资料，对土地管理、规划部门具有重要意义。对已有地籍数据进行分析研究，可以对该地区未来的用地情况进行预测，并且对土地管理工作具有指导作用。地籍资料包含的信息大多数是一些数据，而且数据量相当大，导致人工分析、还是使用传统的数据统计分析方法都难以发现这些数据中的隐含规律，而数据挖掘技术恰好能解决这一难题。
目前对于地籍数据挖掘的例子较少，已经有人做了有关于土地利用规划及土地定级中的模糊聚类分析等，专门针对地籍数据的挖掘较少。由于地籍数据的数据量庞大，数据项多，我们挑选有利挖掘的数据项进行挖掘。主要从地价数据着手，去分析地价的空间分布，然后对结果进行分析。
在孙元军和郑新奇的《基于SQL Server的城市地籍空间数据挖掘探讨》中利用Analysis Services提供的决策树模型值直接对地籍数据进行挖掘，生成的树状结果图去发现一些不能直接观测原始数据得到的信息。生成的容积率分布图直接看出哪些地类用途的利用率是否合理。
在本篇论文中，主要阐述了数据挖掘的产生、定义、发展现状，数据挖掘和数据库有紧密的联系，目前数据采集的手段越来越多，有人工调查、遥感数据获取、GPS等测量数据，膨胀的数据量能不能得到合理的应用迫使数据挖掘技术的快速发展。现在数据挖掘算法研究相对比较活跃，但针对具体区域的挖掘算法研究不够，目前在新领域的应用主要是从已经较成熟的应用领域借鉴过来。针对城镇地籍数据中的庞大数据中的挖掘研究也比较少，而地籍数据中又隐藏着很多信息。目前数据挖掘已有的挖掘方法主要有：空间关系关联规则方法、归纳学习、图像分析和模式识别方法、决策树方法；统计分析方法、空间分类方法、空间聚类方法；遗传算法、神经网络方法、人工免疫系统方法；空间分析方法、地学信息图谱方法。针对本文想挖掘的因子本文试图应用聚类分析和空间相关等原理进行简单的挖掘研究。
具体的挖掘方法一定要结合所挖掘对象的特点去选择，本文中在运用进行数据挖掘前，对聚类分析方法和空间自相关进行阐述，做到对方法的掌握，在实例中的具体应用，由于没有具体的数据，我只在理论上论述了挖掘的步骤，以及在挖掘中方法的应用，对于结果的分析是假想的情况进行分析来做出结论。文章内先用运用空间自相关原理去分析他们在空间上的关系，然后聚类分析将研究区域内的地价及其他因素综合考虑来分成几类，由他们在空间上的分布和所得指标值去检查和预测目前的分布状况是否合理。对未来进行一个预测。
将数据挖掘技术引入到城市地籍数据的分析处理中，充分发挥数据挖掘方法的技术优势，能够在大量枯燥的地籍数据中发现隐含的规律，从而对城市建设提出有建设性的建议，用空间自相关方法将地价指数分布，从而在以后的建设中，调整城市工作重心，达到合理的位置。城镇地籍数据挖掘所做的是初步探索，没有用于具体实例中，在今后的学习中，将方法去应用具体的城市地区，去验证方法的可行性，进一步对图形数据进行基于空间特性的深层挖掘，以发现更多的信息为政府决策提供更好的技术服务。






















目 录

摘 要 I
ABSTRACT II
第1章 绪论 1
1.1 引言 1
1.2 空间数据挖掘的研究与进展 1
1.2.1 数据挖掘的产生、发展 1
1.2.2 数据挖掘的步骤 2
1.2.3 地籍数据挖掘的意义 2
1.2.4 国内地籍空间数据发展及挖掘方法现状 3
1.2.5 空间数据挖掘存在的问题 5
1.2.6 目前数据挖掘技术未来的发展方向 6
第2章 城镇地籍空间数据挖掘技术研究 7
2.1 地籍数据的涵义 7
2.2 城镇地籍数据挖掘的方法基本原理 7
2.2.1 空间自相关原理 7
2.2.2 空间权重矩阵 8
2.2.3 空间自相关度量指标 9
2.3 聚类分析 11
2.3.1 涵义 11
2.3.2 聚类分析的主要算法 11
第3章 城镇地籍空间数据挖掘方法的探讨 14
3.1 数据准备 14
3.2 数据挖掘方法 15
3.2.1 空间权重矩阵的确定 15
3.2.2 地价指数的Moran’s I特征分析 15
3.2.3 宗地价格聚类分析 16
3.3 方法评价 16
第4章 结论与展望 18
4.1结论 18
4.2 展望 18
致 谢 20
参考文献 21

摘 要
伴随着计算机网络的飞速发展，数据挖掘技术得到迅猛发展。目前已经有多种挖掘算法可以使用，空间数据的挖掘与一般数据挖掘的不同之处，在于空间数据的数据量庞大，时间特征等。如何从海量的地籍空间数据从提取人们感兴趣的有用信息，是困扰土地管理者和决策者的难题。有了空间数据挖掘的出现，人们便可利用这一技术进行挖掘，本文着重介绍聚类分析和空间自相关分析对某研究对象区域的地价挖掘。
论文中首先介绍城镇地籍空间数据研究的必要性目的和意义。目前数据挖掘研究的基本现状，进行数据挖掘的基本流程，一些基本概念的介绍。
然后介绍空间自相关分析的原理和一些方法，聚类分析的概念和方法。并在假设实例中进行分析，对它在地籍空间数据的挖掘应用中适当分析。力求在应用该挖掘方法对数据挖掘在该领域的应用有所经验。

关键字：数据挖掘，空间自相关，聚类分析


















ABSTRACT
With the rapid development of the computer network, the data mining technology have made a great progress. At present there are a variety of mining algorithm can be used.
The spatial data mining and the general data mining difference in the volume of data space huge, features of time and so on. What troubling land managers and the decision maker is how to extract the information that people are interested in useful from mass of cadastral spatial data. With the emergence of the spatial data mining, people will use this technology to mining, The paper introduce clustering analysis and spatial autocorrelation analysis to one research object of the land price mining area.
The paper first introduces the necessity of purpose and meaning. At present the basic status and the basic process of data mining, and some basic concepts in the paper.
And then introduce the principle of spatial autocorrelation analysis and some methods, clustering analysis, concept and method. The hypothesis is the example of analysis. The aim is to learn knowledge from the application of the mining method in the field of data mining.

KEYWORDS: data mining, spatial autocorrelation, cluster analysis













第1章 绪论
1.1 引言
随着全国范围内的土地利用现状调查和城镇地籍数据调查的进行，以及数据的不断更新，政府部门过去的若干年里已经累计了大量的城镇地籍空间数据。而且，随着国土资源的规划的实施，第二次土地资源调查带来了更多详细的地籍空间数据，面对庞大的数据不论是人工分析，还是使用传统的数据统计方法都难以进行分析处理，无法从海量数据中获得有效信息。这就导致了空间数据灾难且空间知识贫乏这一现象的出现，而空间数据挖掘技术作为一种有效的信息分析工具，就是从海量数据中提取用户感兴趣的空间模式与特征、空间与非空间数据的关系及其他一些隐含在大型空间数据库中的知识和规律。采用这一技术对城镇地籍数据进行有效分析和挖掘，用以实现有效知识提取和利用规律去预测、指导现实工作。
目前，空间数据挖掘技术已被广泛应用于地理信息系统、地理市场、遥感、图像数据库探索、医疗成像、导航、交通控制、环保和许多其他利用空间数据的领域。从大型数据库中抽取有用并规范了的知识，能够理解的空间数据，去发现空间和非空间数据的联系，构造基于空间知识的查询优化，重新构建数据库，便于提取数据间的共有特征。空间数据挖掘是数据挖掘的一个分支，其对象是复杂的空间数据。而空间数据库存储了大量的与空间位置有关的信息和空间对象间的拓扑、距离及方向信息还有空间数据的非结构化特征等特性。通常以复杂的多维化结构组织数据，访问存取数据经常要进行几何计算和空间推理等复杂操作。这些为空间数据挖掘带来很多挑战性的问题，需要根据空间数据自身的特性找出适合自身复杂特性的挖掘分析方法。