空间数据挖掘方法分类

空间数据挖掘是数据挖掘的一个新兴的交叉性学科，其数据挖掘方法既有一般数据挖掘方法，又有针对空间数据的挖掘方法。因此，空间数据挖掘的方法是多种多样的。在实际应用中，为了发现某类知识，常常要综合运用多种方法。目前，常用的空间数据挖掘方法可以归纳为以下几类。

(1)归纳学习方法。即在一定的知识背景下，对数据进行概括和综合，在空间数据库(数据仓库)中搜索和挖掘一般的规则和模式的方法。①决策树方法:根据不同的特征，以树型结构表示分类或决策集合，进而产生规则和发现规律的方法;②粗集理论:一种由上近似集和下近似集来构成粗集，进而以此为基础来处理不精确、不确定和不完备信息的智能数据决策分析工具，较适应于基于属性不确定性的空间数据挖掘。

(2)模糊数学方法。利用模糊集合理论描述带有不确定性的研究对象，对实际问题进行分析和处理的方法。

(3)空间分析方法。采用综合属性数据分析、拓扑分析、缓冲区分析、密度分析、距离分析、叠置分析、网络分析、地形分析、趋势面分析、预测分析等在内的分析模型和方法，用以发现目标在空间上的相连、相邻和共生等关联规则，或挖掘出目标之间的最短路径、最优路径等知识。目前常用的空间分析方法包括探测性的数据分析、空间相邻关系挖掘算法、探测性空间分析方法、探测性归纳学习方法、图像分析方法等。

(4)统计分析方法。①基于概率论的方法，这是一种通过计算不确定性属性的概率来挖掘空间知识的方法，所发现的知识通常被表示成给定条件下某一假设为真的条件概率;②常用统计分析方法，利用空间对象的有限信息和/或不确定性信息进行统计分析，进而评估、预测空间对象属性的特征、统计规律等知识的方法;③聚类分析方法，根据实体的特征对其进行聚类或分类，进而发现数据集的整个空间分布规律和典型模式的方法。

(5)非线性方法。①神经网络方法，通过大量神经元构成的网络来实现自适应非线性动态系统，并使其具有分布存储、联想记忆、大规模并行处理、自学习、自组织、自适应等功能的方法;②遗传算法，一种模拟生物进化过程的算法，可对问题的解空间进行高效并行的全局搜索，能在搜索过程中自动获取和积累有关搜索空间的知识，并可通过自适应机制控制搜索过程以求得最优解。

(6)数据可视化方法。通过可视化技术将空间数据显示出来，使用户加深对数据含义的理解，寻找数据中的结构、特征、模式、趋势、异常现象或相关关系等空间知识的方法。

从数字油藏中数据挖掘对象的特点可以看出，其数据挖掘方法应以统计分析方法、可视化方法和一些非线性方法为主。