[发明专利]基于邻近关系对连接的负co-location模式挖掘方法

说明书

本发明提出了一种邻近连接关系对的负co‑location模式挖掘方法，属于数据挖掘领域。该方法包括：(1)通过一个空间对象集找出其中的邻近连接对；(2)通过k‑1阶频繁负co‑location模式与k‑1阶频繁co‑location模式组合或k‑1阶频繁负co‑location模式和k‑1阶频繁负co‑location模式组合，生成k阶的候选负co‑location模式；(3)根据本发明提出的剪枝方法，快速剪枝，去掉无用的模式，得到频繁负co‑location模式。通过实际数据验证，该方法的算法简单、效率高、计算复杂低。

技术领域

本发明涉及空间数据挖掘领域，特别是co-location挖掘模式，具体而言，涉及基于邻近关系对连接的负co-location模式挖掘方法。

技术背景

随着科技的迅速发展，各行各业以及各个领域都产生了大量含有有用信息和新颖模式的数据和资料。目前，仅依靠现存的数据库查询技术以及统计学方法难以获取这些有用的信息和新颖模式。在这种情况下，数据挖掘(Data Mining)技术应运而生。

生活中的大部分数据是空间数据。由于空间自相关性，空间数据具有连续性，其类型和关系具有复杂性。由此导致空间数据挖掘存在极大困难。Co-location模式挖掘是空间数据挖掘的一个分支，可以解释地理中的关联现象，为很多应用提供重要信息。

负co-location模式是co-location模式的一个分支。Co-location模式是研究空间数据正相关关系，而负co-location模式是研究空间数据负相关关系。比如，丁香种在铃兰香的旁边，会立即萎篶。丁香的香味也会危机及水仙的生命。将丁香、紫罗兰、郁金香、勿忘我养在一起，彼此都会受害。所以，研究负co-location具有重要实际应用价值。

就负co-location模式而言，Jiang等人提出的负co-location模式挖掘算法，挖掘难度大、效率低，需要先挖掘出所有的co-location模式，然后再进行负co-location模式挖掘。因此，他们的算法难度大、效率低、计算复杂度高。

发明内容

本发明是针对上述算法缺陷，提供了一种基于邻近连接的负 co-location模式挖掘方法，以解决现有的负co-location模式挖掘算法难度大、效率低、计算复杂度高的问题。

为了达到上述目的，本发明提供如下技术方案：

基于邻近连接的负co-location模式挖掘方法，所述方法包括如下步骤：

(1)根据空间特征，计算出其实例的co-location关系和参与度值。

(2)根据参与度值得到邻近关系对。

(3)根据邻近关系对，生成高阶候选负co-location模式。

(4)根据剪枝方法，得到频繁负co-location模式。

优选地，步骤(1)中，根据Y.Huang等人提出的co-location的连接算法，计算出当前空间对象集F＝{f₁,f₂,f₃…f_n}的频繁 co-location模式。

优选地，步骤(2)中，所述邻近关系对的定义为：C是一个邻近关系对，即是2阶频繁co-location模式或者2阶的频繁负co-location 模式。

优选地，步骤(3)中，所述生成方法为以下两种：

1)一种是频繁正co-location模式与频繁负co-location模式组合，例如，{A,B}和组合可以生成候选负co-location模式