[发明专利]一种基于互联网+森林植被空间知识挖掘模型研究方法

说明书

本发明公开了一种基于互联网+森林植被空间知识挖掘模型研究方法。该技术首先以EM算法为基础，顾及空间数据的不确定性和空间聚类的模糊性以及空间数据的空间自相关性，构建基于不确定性的空间聚类算法(UNEM)，主要包括:空间数据不确定性的Monte Carlo模拟、空间数据标准化、空间权重矩阵构建和顾及空间自相关的EM算法改进。其中，空间数据标准化是为了避免对各度量单位选择的依赖。然后，结合关联规则质量评价指标，以Apriori算法为基础，采用不确定性空间聚类算法进行连续型空间数据离散化，建立了不确定性空间数据关联规则挖掘模型。

一、技术领域

本发明涉及一种基于互联网+森林植被空间知识挖掘模型研究方法，特别是一种基于互联网+森林植被空间知识挖掘模型研究

二、技术背景

随着空间数据获取手段的自动化程度的不断提高，空间数据库的数据呈指数级的增长，但专职处理空间数据的遥感和地理信息系统软件在分析功能上的不足，使得海量空间数据与有用知识获取之间存在尖锐的矛盾，致使/空间数据爆炸但知识贫乏。因此，近几年空间数据挖掘已成为空间信息领域的一个重要研究热点，并取得了许多重要成果。目前对于空间数据挖掘的研究主要集中在空间数挖掘的原理及方法本身，而对其另一个重要方面-空间数据挖掘不确定性还少有报道。

三、发明的内容

针对空间数据挖掘的不确定性，本发明提出一种基于互联网+森林植被空间知识挖掘模型研究方法。

本发明的目的是这样的：

首先，介绍不确定性空间数据聚类算法，然后介绍不确定性空间数据关联规则挖掘模型

本项发明与现有传统方法相比具有以下优点：

(1)由于传统的聚类算法并未考虑空间数据的空间约束，因此以EM算法为基础，顾及空间数据的不确定性和空间聚类的模糊性以及空间数据的空间自相关性，构建基于不确定性的空间聚类算法(UNEM)；

(2)建立了不确定性空间数据关联规则挖掘模型

四、附图说明：

图1为结合关联规则质量评价指标，以Apriori算法为基础，采用不确定性空间聚类算法进行连续型空间数据离散化，建立了不确定性空间数据关联规则挖掘模型。

五、具体实施方式：

一种基于互联网+森林植被空间知识挖掘模型研究方法，具体实施步骤为：

1)不确定性空间数据聚类算法

以EM算法为基础，顾及空间数据的不确定性和空间聚类的模糊性以及空间数据的空间自相关性，构建基于不确定性的空间聚类算法(UNEM)，主要包括:空间数据不确定性的Monte Carlo模拟、空间数据标准化、空间权重矩阵构建和顾及空间自相关的EM算法改进。其中，空间数据标准化是为了避免对各度量单位选择的依赖。

2)不确定性空间数据关联规则挖掘模型

结合关联规则质量评价指标，以Apriori算法为基础，采用不确定性空间聚类算法进行连续型空间数据离散化，建立了不确定性空间数据关联规则挖掘模型(见图1)。