GIS数据中的知识发现

智能地理信息系统（IGIS）是GIS领域中有前景的主题之一。它旨在通过整合GIS与其他计算机科学（如专家系统（ES）、数据仓库（DW）、决策支持系统（DSS）或知识发现数据库（KDD））使GIS工具对存储在GIS系统中的大量数据更敏感。IGIS的主要分支之一是地理知识发现（GKD），它试图发现空间数据库中隐含的知识。传统KDD技术与GKD技术之间的主要差异隐藏在空间数据集的本质中。换言之，在传统数据集中，每个对象的值被假设为与同一数据集中的其他对象独立，而空间数据集根据地理学第一定律倾向于高度相关。空间离群点检测是最流行的空间数据挖掘技术之一，用于检测非空间属性值与其邻近对象极其不同的空间对象。分析这些对象的行为可能产生有趣的知识，在决策过程中有有效作用。在本论文中，考虑到给定空间数据集中邻近对象最有效参数的权重，提出了空间邻域关系的新定义。我们考虑的空间参数包括：距离、成本以及邻近对象之间的直接连接数。基于空间邻域关系的新定义，还提出了一种检测空间离群点的新模型。该模型适用于多边形对象。所提模型应用于阿拉伯埃及共和国（ARE）法尤姆省一个支持扫盲的现有项目。