导读:本文包含了空间数据挖掘论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:数据挖掘,空间,数据,水合物,广东省,发展趋势,移动通信。
空间数据挖掘论文文献综述
孙姝艺,刘洛,胡月明[1]（2019）在《基于空间数据挖掘的广东省“旱改水”优先区选择》一文中研究指出随着新型城镇化水平的不断提高,大量耕地将会被占用。为有效遏制水田面积减少趋势,提升耕地质量,保障粮食安全,各地政府开始实施"旱改水"工程改造,即将同等数量的旱地改造为水田的方式间接开发水田。旱改水优先区域选择是实施改造先后顺序的重要评判标准。借助WEKA软件,基于空间数据挖掘的方法来选择"旱改水"优先区:(1)通过属性选择获取相关性较高的9个改造因子,实现数据的预处理;(2)通过K-means聚类分析将研究对象划分成5类簇;(3)通过Apriori关联规则挖掘出分区因子属性之间最强关联关系作为决策挖掘出优先改造的簇,并对结果进行分析。应用于我国广东省,试验证明,空间数据挖掘有效地从庞大数据量中提取信息,耦合空间关系,把数据转化为有用的知识,使用空间数据挖掘的方法选择优先区是可行和科学的。(本文来源于《江苏农业科学》期刊2019年04期）
林霖,张伟,陈宏文,郭依群,龚跃华[2]（2018）在《空间数据挖掘在海域天然气水合物资源评价中的应用》一文中研究指出海域天然气水合物早期勘探阶段多使用地震调查方法,利用BSR和速度异常等指标圈定水合物矿体进行资源评价、优选预测勘探目标。阐明了空间数据挖掘技术在天然气水合物早期勘探评价阶段的应用,并通过珠江口盆地东部海域多道地震速度分析中所获速度异常信息,应用核密度估计方法,定量地划分了2个天然气水合物有利分布区(面积分别为18km2和70km2),进而为后期天然气水合物试采生产提供了重要依据及基础数据。(本文来源于《海洋地质前沿》期刊2018年11期）
陈姗[3]（2018）在《移动通信CRM中的空间数据挖掘方法研究》一文中研究指出CRM作为客户关系管理,在移动通信中也同样适用,空间数据的挖掘程度对移动通信的管理质量有极大影响,为此提出移动通信CRM中的空间数据挖掘方法研究。通过构建CRM空间数据挖掘模块,合理调整检测算法,完成对移动通信CRM空间数据挖掘的方法设计。通过实验论证的方式确定空间数据挖掘方法的有效性,在进行CMR工作时具有良好的管理质量。(本文来源于《饮食科学》期刊2018年18期）
钟大伟[4]（2018）在《基于面向大数据的地理空间数据挖掘分析》一文中研究指出随着社会经济的快速发展和信息科学技术水平的不断提高,我国地理信息系统在各个行业中的应用越来越广泛,地理空间数据挖掘技术逐渐引起广泛关注。本文从地理空间数据的精炼、地理信息数据的更新以及地理空间数据的扩充叁个方面入手,对数据挖掘技术在地理信息系统中的应用展开分析,同时对基于面向大数据的地理空间数据挖掘进行深入研究,希望能为相关工作的开展提供参考。(本文来源于《中国战略新兴产业》期刊2018年32期）
杜珍应,唐文学,邓科[5]（2018）在《空间数据的挖掘技术及其应用研究》一文中研究指出文章采用文献分析法、实例分析法,分析了空间数据挖掘技术的现状和未来发展趋势,分析了空间数据挖掘体系和概率论、空间分析等几种常见技术,分析了空间数据挖掘技术在农业、林业、土地定级等行业上的应用,旨在为我国空间数据的挖掘技术及其应用研究提供有效参考。(本文来源于《工程技术研究》期刊2018年06期）
饶晟琦[6]（2018）在《基于GIS的空间数据挖掘方法研讨》一文中研究指出基于GIS的空间数据挖掘是目前数据挖掘的重要方向。本文主要分析了空间数据挖掘的重要定义,其中包括数据挖掘及其应用、空间数据挖掘的定义及特征,并在此基础上分析了基于GIS的空间数据挖掘方法,希望对基于GIS的空间数据挖掘方法有一定的借鉴性意义。(本文来源于《科技创新导报》期刊2018年16期）
钟宇[7]（2018）在《面向网络自媒体的空间数据挖掘研究》一文中研究指出空间数据挖掘(SDM,Spatial Data Mining)是发掘空间数据库或者是空间实体中蕴含的消息以及实体间的空间关系的学科。在空间数据挖掘中包含着聚类分析法、空间分析法、数据可视化方法等主要方法。其中聚类分析法是指将数据集中的样本按其相似性划分到类簇中,同一类簇中样本间的相似性较高。微博平台每天发布着TB级的数据,这些数据当中隐含着关于社会和生活方方面面的信息。本文将每一个微博用户看做一个空间实体,使用聚类分析方法对微博中带有位置属性的数据进行数据挖掘,以发现微博数据中蕴含的与当下社会和生活相关的热点词,并通过可视化的手段将聚类结果中的样本呈现在地图上,以研究其空间分布状况。其中聚类分析法用到的主要算法是k-means算法;算法的实现上使用hadoop加mahout的分布式计算平台。并在该平台基础上对比了kmeans算法与Canopy算法优化后的k-means算法在文本聚类中的区别,以及两个算法在不同输入参数的环境下,收敛速度、迭代次数、簇间距离的变化情况;最终得到经过Canopy算法优化的k-means比普通的k-means聚类质量要明显提高,但是在文本类簇的主题方面,并没有产生很大的影响,只是降低了类簇间的相似性,防止了一个主题多个类别的情况;在聚类的基础上,针对类簇中样本,依据文本的相似性和地理位置上临近性做了用户相似性评价。可视化分析使用ArcGIS以及WebGIS来实现,对类簇进行核密度分析,再做渔网栅格化分析可以使离散的类簇样本具备邻接性,也能够让我们直观的看到类簇主题的主要分布情况。(本文来源于《江西理工大学》期刊2018-05-26）
刘东佶[8]（2018）在《基于SPARK的空间数据挖掘聚类算法并行化研究》一文中研究指出在现代空间数据挖掘技术持续发展的环境下,K-MEANS算法作为传统优势聚类算法,仍在空间数据挖掘领域有着极强的应用性。K-MEANS算法的优势在于收敛速度快,可以通过分布式进行算法运行加速,且可以很好地应对噪音点对算法的影响。但是,现如今的空间数据挖掘面对的数据量是不断增加的,随着计算规模的进一步扩大,然而,在一些大规模的空间数据挖掘中,由于数据量增加带来的计算难度,致使算法运行时间正比例增加。数据量发展的趋势超过挖掘技术发展预期,导致供不应求。现有的聚类算法应用多是是串联运行,为了解决这些问题,必须凭借现有的分布式平台实现并行算法。这些平台中具有代表性的就是HADOOP平台。但是这些解决方法主要存在一下叁个问题:(1)HADOOP平台并行处理平台价格昂贵,容错性较差,无法进行复杂关联操作,其单一的分布式框架容易造成数据传输瓶颈;(2)HADOOP平台虽然提供HDFS,但是并不具备对应的数据集服务,导致在进行算法运算时,无法处理多次迭代,此时必须进行数据读写的多次操作,从而影响处理效率;(3)HADOOP进行复杂计算时需要大量的JOB完成,研究人员只能通过自己管理来处理依赖关系,处理步骤繁琐,造成处理时间的延长。SPARK平台的本质和HADOOP都是一个处理引擎,运用分布式内存抽象进行数据处理,特别适用于大规模数据的处理。其中RDD全称为弹性数据集,是SPARK平台基础之一。RDD是SPARK的基础操作模型,用于数据存储。由于RDD具有自带分区的属性,同时其集合中的数据记录不可变,通过SPARK提供给RDD的转换与动作两个操作,可以直接在分布式框架上进行数据实时处理。因此可以提高数据处理效率,解决了传统并行平台上,上述存在的主要问题。因此,本研究基于SPARK平台,具体分析K-MEANS算法在空间数据挖掘中的实现与基本原理,经过研究,结合SPARK提供的相关服务,面向空间数据挖掘,分析K-MEANS算法并行运算思路与实现。首先研究串行算法实现思路,在此基础上,结合SPARK平台提供的RDD与MAPREDUCE算子等核心优势,设计有效的并行化方案。充分利用设备上的硬件资源,深入研究通过集群方式实现并行K-MEANS算法,通过采用YARN资源管理器对算法进行并行化设计分析在该平台上K-MEANS算法的并行化的实现思路与方法,将SPARK平台K-MEANS算法串行运算结果结果与SPARK平台K-MEANS算法并行化运算结果进行加速比性能对比。将基于SPARK平台的K-MEANS并行算法应用于江西省经济发展现状分析。通过SPARK平台串行K-MMEANNNS算法可视化结果与SPARK平台并行K-MEANS算法可视化结果对比;通过SPARK平台并行K-MEANS算法可视化结果与MATLAB平台并行化可视化结果对比,验证本文提出的并行算法的实用性。通过具体实验与测试,根据具体研究内容得到,在SPARK平台上,实现的并行K-MEANS算法运算速度明显快于串行K-MEANS运算效率;通过SPARK on YARN部署,K-MEANS算法并行效果通过数据并行的设计方式能够有效提升效率;通过SPARK平台并行K-MEANS算法可视化结果优于MATLAB平台并行K-MEANS算法可视化结果;在江西省经济发展现状分析应用中,对比已有研究成果,验证了本文研究内容在江西省经济发展分析中的实用性和有效性。对比得到SPARK平台相较其他技术平台对实际应用的优势。(本文来源于《江西理工大学》期刊2018-05-23）
赵文博,王曙燕[9]（2018）在《可视化交互空间数据挖掘技术的探讨》一文中研究指出文章主要围绕可视化交互空间数据挖掘技术,阐述了可视化与空间数据挖掘之间的关系、交互可视化的关键方式。进而对数据挖掘中的两种常用技术做出了进一步探究,以供相关人员参考。(本文来源于《无线互联科技》期刊2018年04期）
马黎[10]（2017）在《基于大数据的空间数据挖掘探究》一文中研究指出大数据背景下,如何实现高效的空间数据挖掘,成为当前学术界广泛关注的问题之一。由于空间大数据自身特性,垃圾多、污染严重,难以得到有效的利用,在一定程度上危害着用户的信息安全。基于此,为了保障用户数据信息安全,展现空间数据的价值,应该进一步加深对大数据的价值挖掘和剖析。文章就此展开分析,着重从空间大数据挖掘知识的技术进行分析,客观阐述其价值所在。(本文来源于《襄阳职业技术学院学报》期刊2017年06期）
空间数据挖掘论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
海域天然气水合物早期勘探阶段多使用地震调查方法,利用BSR和速度异常等指标圈定水合物矿体进行资源评价、优选预测勘探目标。阐明了空间数据挖掘技术在天然气水合物早期勘探评价阶段的应用,并通过珠江口盆地东部海域多道地震速度分析中所获速度异常信息,应用核密度估计方法,定量地划分了2个天然气水合物有利分布区(面积分别为18km2和70km2),进而为后期天然气水合物试采生产提供了重要依据及基础数据。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
空间数据挖掘论文参考文献
[1].孙姝艺,刘洛,胡月明.基于空间数据挖掘的广东省“旱改水”优先区选择[J].江苏农业科学.2019
[2].林霖,张伟,陈宏文,郭依群,龚跃华.空间数据挖掘在海域天然气水合物资源评价中的应用[J].海洋地质前沿.2018
[3].陈姗.移动通信CRM中的空间数据挖掘方法研究[J].饮食科学.2018
[4].钟大伟.基于面向大数据的地理空间数据挖掘分析[J].中国战略新兴产业.2018
[5].杜珍应,唐文学,邓科.空间数据的挖掘技术及其应用研究[J].工程技术研究.2018
[6].饶晟琦.基于GIS的空间数据挖掘方法研讨[J].科技创新导报.2018
[7].钟宇.面向网络自媒体的空间数据挖掘研究[D].江西理工大学.2018
[8].刘东佶.基于SPARK的空间数据挖掘聚类算法并行化研究[D].江西理工大学.2018
[9].赵文博,王曙燕.可视化交互空间数据挖掘技术的探讨[J].无线互联科技.2018
[10].马黎.基于大数据的空间数据挖掘探究[J].襄阳职业技术学院学报.2017
论文知识图
