基于概念格挖掘GIS中的关联规则

doi:10.3724/SP.J.1087.2011.00686

计算机应用 ›› 2011, Vol. 31 ›› Issue (03): 686-689.DOI: 10.3724/SP.J.1087.2011.00686

基于概念格挖掘GIS中的关联规则

陈湘,吴跃

电子科技大学计算机科学与工程学院,成都610054

收稿日期:2010-09-20 修回日期:2010-10-18 发布日期:2011-03-03 出版日期:2011-03-01
通讯作者: 陈湘
作者简介:陈湘(1974-)，男，四川崇州人，博士研究生，主要研究方向：数据挖掘；吴跃(1958-)，男，四川成都人，教授，博士生导师，主要研究方向：网络计算、数据库系统、数据挖掘、移动代理。

Mining association rules of geographic information system based on concept lattice

CHEN Xiang,WU Yue

School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu Sichuan 610054, China

Received:2010-09-20 Revised:2010-10-18 Online:2011-03-03 Published:2011-03-01
Contact: CHEN Xiang

摘要/Abstract

摘要： 挖掘隐藏在地理信息系统(GIS)的空间数据中的知识是GIS研究领域和数据挖掘领域的重要方向。概念格是关联分析的重要技术之一。为了提高关联规则的挖掘速度，提出了一种基于增量式算法的概念格构造算法，通过用比较概念外延的方法建格，同时在建格过程中引入支持度约束，使得概念格的建格速度得到提高，并使建成的格具有高度的约简性，让后续的规则挖掘变得更容易。将所提算法应用于GIS的空间数据挖掘，取得了切实可行的应用结果。

关键词: 地理信息系统, 空间数据库, 数据挖掘, 关联规则, 概念格

Abstract: Mining the hidden knowledge in the spatial data of Geographic Information System (GIS) is an important direction in the study fields of GIS and data mining. The technique of concept lattice is very important in finding association rules. In this paper, an algorithm of building concept lattice based on incremental method was proposed to improve the speed of building lattice by comparing the extent of the concept and introducing support constraint. It could also simplify the lattice and make it easier to mine rules. To expand the application of the algorithm, it was applied in finding association rules of the spatial data in GIS and got practicable application result.

Key words: Geographic Information System (GIS), spatial database, data mining, association rule, concept lattice

中图分类号:

TP182
TP392

陈湘吴跃. 基于概念格挖掘GIS中的关联规则[J]. 计算机应用, 2011, 31(03): 686-689.

CHEN Xiang WU Yue. Mining association rules of geographic information system based on concept lattice[J]. Journal of Computer Applications, 2011, 31(03): 686-689.

[1]	刘世泽, 秦艳君, 王晨星, 苏琳, 柯其学, 罗海勇, 孙艺, 王宝会. 基于深度残差长短记忆网络交通流量预测算法[J]. 计算机应用, 2021, 41(6): 1566-1572.
[2]	李旭娟, 皮建勇, 黄飞翔, 贾海朋. 基于自生成深度神经网络的4D航迹预测[J]. 计算机应用, 2021, 41(5): 1492-1499.
[3]	陈凯, 于彦伟, 赵金东, 宋鹏. 基于城市交通监控大数据的工作位置推理方法[J]. 计算机应用, 2021, 41(1): 177-184.
[4]	龙洋洋, 陈玉玲, 辛阳, 豆慧. 基于联盟区块链的安全能源交易方案[J]. 计算机应用, 2020, 40(6): 1668-1673.
[5]	杜旭升, 于炯, 叶乐乐, 陈嘉颖. 基于图上随机游走的离群点检测算法[J]. 计算机应用, 2020, 40(5): 1322-1328.
[6]	徐周波, 杨健, 刘华东, 黄文文. 基于XGBoost与拓扑结构信息的蛋白质复合物识别算法[J]. 计算机应用, 2020, 40(5): 1510-1514.
[7]	陈曦, 梅广, 张金金, 许维胜. 融合知识图谱和协同过滤的学生成绩预测方法[J]. 计算机应用, 2020, 40(2): 595-601.
[8]	马董, 陈红梅, 王丽珍, 肖清. 空间亚频繁co-location模式的主导特征挖掘[J]. 计算机应用, 2020, 40(2): 465-472.
[9]	李莎莎, 梁冬阳, 余杰, 纪斌, 马俊, 谭郁松, 吴庆波. 基于师门关系的研究团队挖掘算法[J]. 计算机应用, 2020, 40(11): 3198-3202.
[10]	孙鹤立, 张优优, 杨洲, 何亮, 贾晓琳. 基于时间线段树的城市可达区域搜索[J]. 计算机应用, 2020, 40(10): 2936-2941.
[11]	王淳颖, 张驯, 赵金雄, 袁晖, 李方军, 赵博, 朱小琴, 杨凡, 吕世超. 基于多源告警的攻击事件分析[J]. 计算机应用, 2020, 40(1): 123-128.
[12]	李博, 张晓, 颜靖艺, 李可威, 李恒, 凌玉龙, 张勇. 基于值差度量和聚类优化的K最近邻算法在银行客户行为预测中的应用[J]. 计算机应用, 2019, 39(9): 2784-2788.
[13]	纪丽娜, 陈凯, 于彦伟, 宋鹏, 王淑莹, 王成锐. 基于城市交通大数据的车辆类别挖掘及应用分析[J]. 计算机应用, 2019, 39(5): 1343-1350.
[14]	于永斌, 戚敏惠, 尼玛扎西, 王琳. 基于阈值自适应忆阻器Hopfield神经网络的关联规则挖掘算法[J]. 计算机应用, 2019, 39(3): 728-733.
[15]	叶志宇, 冯爱民, 高航. 基于深度LightGBM集成学习模型的谷歌商店顾客购买力预测[J]. 计算机应用, 2019, 39(12): 3434-3439.

基于概念格挖掘GIS中的关联规则

Mining association rules of geographic information system based on concept lattice

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics