[发明专利]一种基于知识的多层次同位模式挖掘方法

权利要求书

1.一种基于知识的多层次同位模式挖掘方法，其特征在于，包括下列步骤：

结合本体表示的领域知识与空间数据，获取所述空间数据的语义关系；

依据距离阈值获取空间数据集的星型邻居关系；

根据星型邻居获取团实例；

根据获取的团实例获取哈希结构；

根据所述语义关系更新所述哈希结构；

过滤并获取多层次的同位模式。

2.如权利要求1所述的基于知识的多层次同位模式挖掘方法，其特征在于，

所述空间数据的语义关系的表现形式是一个多层次的语义结构，包括实例层、特征层和概念层，所述实例层和所述特征层只有一层，所述概念层有多层。

3.如权利要求1所述的基于知识的多层次同位模式挖掘方法，其特征在于，

所述空间数据集由分布在特定空间内的实例及其位置构成，当两个实例距离小于所述距离阈值时被认定为邻居关系。

4.如权利要求1所述的基于知识的多层次同位模式挖掘方法，其特征在于，

在依据距离阈值获取空间数据集的星型邻居关系的过程中，所述星型邻居只能是特征类型不小于自己的特征类型的实例。

5.如权利要求1所述的基于知识的多层次同位模式挖掘方法，其特征在于，

在根据星型邻居获取团实例的过程中，以单个实例为开始，将所有邻居加入图数据结构中作为后继节点，然后对于每一个叶子节点，对星型邻居中特征类型比它的特征类型大的实例取交集，将得到的交集加入图中作为此节点的后继节点，重复直到所有节点指向None，获取所述团实例。

6.如权利要求1所述的基于知识的多层次同位模式挖掘方法，其特征在于，

所述哈希结构由键值对组成，键是某个团实例的一组特征类型，值是键值对的列表，是键对应的在团中的特征的一组实例。

7.如权利要求1所述的基于知识的多层次同位模式挖掘方法，其特征在于，

在过滤并获取多层次的同位模式的过程中，根据用户给的频繁阈值和哈希结构进行过滤，过滤过程包括模式的生成和参与度的计算。