空间数据挖掘技术应用探析
空间数据挖掘技术的发展与应用
空间数据挖掘技术的发展与应用1. 引言空间数据挖掘技术是指利用数据挖掘算法和技术手段对空间数据中的有价值信息进行提取和分析的过程。
随着科技的不断进步和数据的大规模产生，对空间数据挖掘技术的需求也在逐渐增加。
在本文中，将探讨空间数据挖掘技术的发展与应用。
2. 空间数据挖掘技术的发展2.1 空间数据挖掘的概念与原理空间数据挖掘技术是将数据挖掘技术应用到空间数据中，通过对空间数据的挖掘和分析，挖掘出数据中的潜在规律和有价值的信息。
空间数据挖掘技术的核心任务包括：分类、聚类、关联规则挖掘和异常检测等。
2.2 空间数据挖掘技术的发展历程空间数据挖掘技术的发展可以追溯到上世纪80年代。
在当时，由于计算机技术的限制和数据量的有限，空间数据挖掘技术受到了很多限制。
但随着计算机技术和数据采集技术的不断进步，空间数据挖掘技术发展迅速。
现在，各种针对空间数据挖掘的算法和模型被提出，并且得到了广泛的应用。
3. 空间数据挖掘技术的应用3.1 地理信息系统地理信息系统（Geographic Information System，简称GIS）是空间数据挖掘技术最常见的应用之一。
利用空间数据挖掘技术，可以对地理数据进行分析和挖掘，从而提取出地理数据中的有价值信息。
这些信息可以用于城市规划、环境保护、交通管理等领域。
3.2 物流与交通管理空间数据挖掘技术也被广泛应用于物流与交通管理领域。
通过对交通数据和物流数据的挖掘，可以分析交通流量、相关道路的瓶颈问题，进而优化交通路线和物流方案，提高效率和降低成本。
3.3 智能导航系统智能导航系统是一个利用空间数据挖掘技术的应用。
通过对用户位置数据的挖掘，可以为用户提供个性化的导航服务。
智能导航系统可以根据用户的出行习惯和实时交通状况，提供最佳的导航方案，并且能够根据用户的反馈进行实时调整。
3.4 自然灾害预测与应对空间数据挖掘技术在自然灾害预测与应对方面也发挥着重要的作用。
通过对历史灾害数据的挖掘，可以分析出自然灾害的规律和趋势，提前预测自然灾害的发生概率和影响范围。
空间数据挖掘与分析技术研究
空间数据挖掘与分析技术研究随着空间技术的不断发展，我们已经能够获取到大量的空间数据。
这些数据包含了海量的地球物理、地理、气象、环境等方面的信息。
如何对这些数据进行有效的分析和挖掘，成为了现代地理信息领域的热点问题之一。
1. 空间数据挖掘技术空间数据挖掘技术是将传统数据挖掘技术应用于地理信息系统中的一种技术。
它在空间分析和可视化等方面都有很好的应用。
它能够发掘空间数据的内在规律，发现变化关系和空间分布特征，并进一步进行空间预测和规划。
现在的空间数据挖掘技术包括聚类、分类、关联规则挖掘、异常检测等，其中聚类是最常用的一种方法。
例如，在城市规划中，可以用聚类方法对不同类型的区域进行聚类，进而确定城市的功能划分，并制订相应的规划。
2. 空间数据分析技术空间数据分析技术是一种能够将多源空间数据进行整合，探索空间特征并揭示空间规律的技术。
对于海量的空间数据而言，空间数据分析技术能够直观快捷地将这些数据转化为一张地图并呈现给用户。
空间数据分析技术包括数据可视化、空间关联、空间统计、多尺度分析等。
这些技术能够帮助我们更加深入地理解空间现象并揭示其中的规律。
3. 空间数据挖掘与分析的应用在现代城市规划、环境保护、交通规划等方面，空间数据挖掘与分析技术都有广泛的应用。
例如，在城市规划方面，我们可以利用空间数据挖掘技术对不同类型的城市功能区进行聚类分析，以便决策者能够根据不同的聚类结果，制定相应的城市规划。
在环境保护方面，我们可以利用空间数据分析技术，对某些区域的环境质量进行空间分析，并制定相应的环保政策。
在交通规划方面，我们可以利用空间数据挖掘技术，对不同区域的交通流量进行分析，以便决策者能够改善交通流量。
这些都是应用空间数据挖掘与分析技术所可以取得的成果。
4. 现状与发展趋势虽然空间数据挖掘与分析技术得到了快速发展，但是在应用中依然存在一些问题。
例如，在数据缺失和数据质量差的情况下，如何对空间数据进行挖掘和分析，仍然是一个比较困难的问题。
空间数据挖掘在城市规划中的应用研究
空间数据挖掘在城市规划中的应用研究随着城市化的不断推进，城市规划变得越来越重要。
城市规划中需要考虑很多因素，比如人口分布、建筑密度等等。
而这些因素都需要通过大量的数据来支持。
空间数据挖掘技术可以从海量的数据中挖掘出有价值的信息，为城市规划提供更加科学有效的支持。
一、空间数据挖掘的概念和相关技术空间数据挖掘是指从大量的空间数据中提取出有价值的信息的一项技术。
其主要应用于地理信息系统（GIS）和遥感影像等领域。
空间数据挖掘的主要任务是发掘空间分布规律、发现空间数据之间的相关性以及构建空间模型等。
常用的空间数据挖掘技术包括地理数据挖掘、时空数据挖掘、空间关联规则挖掘等。
在城市规划中，常用的空间数据挖掘技术包括基于GIS的空间数据挖掘、基于遥感影像的空间数据挖掘、基于空间交互的数据挖掘等。
这些技术能够从不同角度、不同维度获取到城市相关的数据，为城市规划提供有力的支持。
二、空间数据挖掘在城市规划中的应用1. 建筑地块分析建筑地块是城市中建筑物所占用的土地面积，其大小和数量对城市规划和土地利用具有重要意义。
通过空间数据挖掘技术，可以对建筑地块进行分析，找出建筑密集区、建筑用途等信息。
根据这些信息，可以更加科学有效地进行城市的规划和土地利用。
2. 人口密度研究人口密度是城市规划中一个非常重要的因素。
通过空间数据挖掘技术，可以分析城市中人口密集的区域，找出人口流动规律，根据这些信息进行城市规划，提高城市的居住舒适度和城市管理的效率。
3. 交通拥堵分析交通拥堵是城市中一个比较棘手的问题，通过空间数据挖掘技术，可以获得城市中交通流量，推算出交通拥堵的原因，从而进行城市交通规划。
4. 空气质量分析城市的空气质量对居民的健康具有重要的影响。
通过空间数据挖掘技术，可以分析城市中空气质量的变化情况、污染物的来源等，从而制定更加科学有效的城市环境规划。
三、空间数据挖掘在城市规划中的应用案例上海市是中国的一座发达城市，在城市规划中长期以来也采用了空间数据挖掘技术。
空间数据挖掘技术及其应用
空间数据挖掘技术及其应用一、介绍空间数据挖掘技术是一种将空间数据与数据挖掘技术相结合的分析方法，旨在从大量的空间数据中发现隐藏的模式、关联以及规律，以提供更深入的空间信息洞察力。
在现代社会中，随着地理信息系统（GIS）和遥感技术的发展，空间数据的数量与规模不断增加，因此，利用空间数据挖掘技术进行数据分析已成为一种重要的研究领域。
二、空间数据挖掘技术的分类空间数据挖掘技术主要可分为三大类：空间聚类分析、地理关联规则挖掘和空间预测分析。
1. 空间聚类分析空间聚类分析旨在将相似的空间对象分组或聚集在一起，从而形成具有内部紧密性和外部分离性的空间簇。
其中最常用的聚类方法包括静态聚类和动态聚类。
静态聚类方法使用一次性的计算，将空间对象划分为不同的集群。
动态聚类方法则允许随着时间变化对空间数据不断地进行聚类，从而更好地反映实际情况。
2. 地理关联规则挖掘地理关联规则挖掘是指在空间数据集中发现空间对象之间的关联性规则。
通过关联规则挖掘，可以发现不同空间对象之间的关联性，例如购物中心的开设与周边商户的关系，或是犯罪地点与周边环境因素的关系。
地理关联规则挖掘为规划和决策提供了重要依据。
3. 空间预测分析空间预测分析通过利用历史数据和当前空间数据进行模型训练，进而预测未来的空间趋势和变化。
空间预测分析可应用于多个领域，如气象预测、交通预测和人口迁移模拟等。
预测分析的准确性对于决策制定和规划调整具有重要影响。
三、空间数据挖掘技术的应用1. 城市规划与建设空间数据挖掘技术可以帮助城市规划师更好地理解城市的发展趋势和特征，支持科学决策和规划设计。
例如，通过挖掘城市空间数据，可以确定新建街道或公共交通设施的最佳位置，优化城市交通流量。
2. 环境保护与资源管理利用空间数据挖掘技术，可以对环境资源进行有效管理和保护。
例如，在森林砍伐行为监测中，可以通过挖掘遥感影像数据和地面监测数据，识别出非法砍伐行为以及砍伐的热点地区。
这有助于提高监管效能，保护生态环境。
空间数据挖掘技术在遥感数据处理中的应用研究
空间数据挖掘技术在遥感数据处理中的应用研究一、引言随着遥感技术的逐步发展和普及，遥感数据处理成为了一个热门的研究领域，而空间数据挖掘技术作为一种新兴的数据挖掘技术，在遥感数据处理中也得到了广泛的应用。
本文旨在探讨空间数据挖掘技术在遥感数据处理中的应用以及发展趋势。
二、空间数据挖掘技术概述空间数据挖掘技术是数据挖掘技术的一种，在空间数据的处理和分析方面具有很好的应用前景。
空间数据指的是涉及地理位置信息的数据，包括遥感数据、地理信息系统数据等。
空间数据挖掘技术主要是通过对数据进行分析和挖掘来发现其中的规律和有价值的信息，从而为后续的决策提供支持和保证。
目前，空间数据挖掘技术已经被广泛应用于城市规划、环境监测、农业生产等领域。
三、遥感数据处理中的应用研究1. 遥感图像分类遥感图像分类是遥感数据处理中的一个重要环节。
在遥感图像分类中，空间数据挖掘技术可以帮助分析和识别出图片中的各种地物与覆盖类型，并提供决策支持。
对于遥感图像分类中的数据特征提取过程中，空间数据挖掘技术可以帮助从多个精度尺度的空间数据中提取出具有较好分类性能的特征，从而提高分类精度。
2. 遥感影像分析随着遥感技术的不断进步，遥感影像分析也成为了遥感数据处理的一个重要环节。
在遥感影像分析中，空间数据挖掘技术可以帮助分析和处理影像中的时空数据，包括温度、变化、植被等信息，从而促进对影像的进一步理解和利用。
3. 空间数据挖掘中的地理信息系统地理信息系统是一种将软件技术和地理信息相结合的信息系统。
在地理信息系统中，空间数据挖掘技术可以帮助分析和挖掘出其中的地理信息，如交通路线、商业区域、人群热点等信息，为城市规划、交通设计等方面提供有效的决策数据支持。
四、空间数据挖掘技术在遥感数据处理中的发展趋势随着遥感技术和空间数据挖掘技术的不断发展和进步，这两种技术也不断拓展其应用范围。
未来，我们可以预见到以下几点发展趋势：1. 多源数据融合未来，会出现更多的遥感数据源，如卫星遥感和无人机遥感等，同时，各类遥感数据种类和所提供的信息也将更加丰富。
空间数据挖掘与分析方法在测绘技术中的应用探析
空间数据挖掘与分析方法在测绘技术中的应用探析1. 引言在当今信息时代，数据以爆炸式增长的速度生成和积累。
其中，空间数据作为一种特殊类型的数据，包含了地理位置信息，对于测绘技术而言具有重要意义。
随着技术的不断进步，空间数据挖掘与分析方法逐渐应用于测绘领域，为测绘技术的提升和创新带来了新的机遇和挑战。
2. 空间数据挖掘与分析方法概述空间数据挖掘与分析方法是指利用数据挖掘技术和空间分析方法对包含空间位置信息的数据进行挖掘、分析和模型构建的过程。
其中，数据挖掘技术包括聚类分析、分类分析、关联规则挖掘等；而空间分析方法则包括空间统计分析、空间插值、空间聚类等。
3. 空间数据挖掘与分析方法在测绘技术中的应用领域3.1 精准地理信息服务空间数据挖掘与分析方法可以挖掘和分析空间数据中的潜在关系和规律，为精准地理信息服务提供支持。
例如，利用空间数据挖掘方法可以预测人群的流动趋势，从而优化城市交通规划和决策；还可以分析地理环境与人们的行为关系，为商业决策提供依据。
3.2 地质灾害风险评估空间数据挖掘与分析方法在地质灾害风险评估中有着广泛应用。
通过对历史地质数据和空间数据进行挖掘与分析，可以发现各种地质因素之间的联系，并建立相应的地质灾害风险评估模型。
这些模型可以为地质灾害的预测和预警提供科学依据，减少灾害造成的损失。
3.3 土地利用规划空间数据挖掘与分析方法可以在土地利用规划中起到重要的辅助作用。
通过对空间数据进行聚类分析和分类分析，可以判断土地的适宜用途，并提供科学合理的土地利用规划建议。
3.4 三维地理信息系统建模空间数据挖掘与分析方法可以为三维地理信息系统的建模和分析提供支持。
通过对空间数据进行空间插值和三维建模技术的应用，可以实现对地球表面的精细建模和模拟。
这对于城市规划、环境评估等方面具有重要意义。
4. 空间数据挖掘与分析方法的挑战与展望虽然空间数据挖掘与分析方法在测绘技术中的应用前景广阔，但仍存在一些挑战。
多维空间数据挖掘算法及应用研究
多维空间数据挖掘算法及应用研究随着信息时代的到来，获取、处理和管理数据的能力逐渐成为一个国家甚至整个人类的核心竞争力之一。
在海量数据的背景下，多维空间数据挖掘技术应运而生。
本文将从多维空间数据挖掘算法的概念、特点、分类和常用算法等方面详细探讨，并结合实际案例描述其应用研究。
一、算法概念及特点多维空间数据挖掘是指挖掘包含多个属性的数据，即每个数据对象具有多个属性值的数据，同时具有多个属性之间的关联性和依存性。
相比于传统的二维数据挖掘，多维空间数据挖掘具有更复杂的结构和更广泛的应用场景。
多维空间数据挖掘算法具有以下特点：1. 高维性：多维空间数据通常具有高维特点，即属性数量较多。
传统的二维数据挖掘算法无法应对该特点，需要专门的高维空间数据挖掘算法。
2. 稀疏性：多维空间数据通常是稀疏的，即属性之间存在较大差异，其中有些属性可能出现的频率很低，难以满足一些算法的需求。
3. 维数灾难：维数灾难是指在高维空间下，数据样本数量与空间体积呈反比例关系，导致数据样本变得稀疏、难以表示和处理。
二、算法分类多维空间数据挖掘算法主要分为聚类分析、分类分析和关联规则挖掘三大类。
具体如下：1. 聚类分析：聚类分析主要研究如何将数据对象划分为若干类别，使得同一类别内的数据对象具有相似的属性特征，不同类别之间的数据对象具有明显的区别。
2. 分类分析：分类分析是将数据对象划分为若干类别，使得同一类别内的数据对象具有相似的属性特征，但不同于聚类分析的是，在分类问题中，已经存在某种类别划分方式作为标准，属于监督学习范畴。
3. 关联规则挖掘：关联规则挖掘主要研究关联属性之间的相关性，寻找属性之间的内在关系和规律。
通常采用的是Apriori算法。
三、算法常用技术多维空间数据挖掘算法常用技术包括：降维技术、距离度量、密度估计、聚类中心和模式选择等。
1. 降维技术：将高维空间数据转化为低维空间，从而解决维数灾难的问题。
常用的技术有主成分分析法（PCA）和线性判别分析法（LDA）等。
地理信息系统中的空间数据挖掘技术研究
地理信息系统中的空间数据挖掘技术研究地理信息系统（Geographic Information System，简称GIS）是一种用于管理、分析和展示地理空间数据的综合性工具。
在GIS 中，空间数据挖掘技术发挥着重要的作用，能够从大量的空间数据中发现隐藏的模式和关联，提供有价值的信息支持。
一、空间数据挖掘技术的概念与分类空间数据挖掘技术是指在GIS中应用数据挖掘方法来分析和探索空间数据。
与传统数据挖掘技术不同，空间数据挖掘技术能够发现地理特征之间的关系，并利用地理信息进行分析和预测。
根据挖掘的目标和方法，空间数据挖掘技术可以分为以下几类：1. 空间聚类分析：通过将空间数据划分为不同的聚类区域，发现数据中的空间聚集模式。
空间聚类分析可以用于寻找犯罪热点、人口聚集等。
2. 空间关联规则挖掘：通过挖掘空间数据中不同特征之间的关联规则，揭示地理实体之间的关联性。
例如，通过分析用户位置和购买记录，可以发现某个地方的用户更倾向于购买某种商品。
3. 空间预测建模：通过基于历史地理数据的分析和模型构建，预测未来的空间分布趋势。
这种技术可以用于交通拥堵预测、疾病传播模型等。
4. 空间多目标优化：根据不同因素的空间权重，寻找最优解或最优路径。
例如，寻找最佳交通路线、最佳设施布局等。
二、空间数据挖掘技术的应用领域空间数据挖掘在多个领域都有广泛的应用。
以下是一些典型的应用领域：1. 应急管理：根据历史灾害数据和地理特征，预测潜在的自然灾害风险，制定合理的应急管理策略。
2. 城市规划：利用空间数据挖掘技术，分析城市人口流动、土地利用等，为城市规划决策提供科学依据。
3. 环境保护：通过分析地理数据中的环境指标和人类活动，发现环境污染的来源和影响，制定环境保护策略。
4. 医疗卫生：利用患者位置信息和疾病传播模型，预测疾病传播路径和风险区域，为疾病防控提供支持。
5. 交通运输：通过分析交通流量和道路网络，优化交通规划和交通运输管理。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
及 认知 的 程度 。
二、 空 间数 据挖 掘 技术特 点
（ 一） 数据挖掘算法具有高效 、 可测的特点 数据库一般有数千个表和属性 以及上百万个元
组 。数 据 库 中千兆 级 别 的数 据 已不 再 罕 见 ， 因为 万
系统 、 可视 化系 统、 决 策支 持 系统 等 技术 集成 到 起。
换成 以有 限的数 据做 成特定 的模型来 获取 合适 的参
空 间数据 挖掘 ， 通俗 来 说 ， 就 是在 空 间数据 库上 对 数据 的挖掘 及其 知识 的发 现 。它属 于数 据挖 掘 的
一
个 分支 ， 主要 从 空 间 数据 库 中获 取 一 些用 户 比较
感 兴趣 的空 间特征 与模 式 、 空 间 数 据 与 非空 间数 据 之 间的关 系 、 数据 库 中所 隐藏 的普 遍 数 据 的 特征 来
空 间数 据 挖 掘 技 术应 用 探析
顾 润 龙
（ 兰州资 源环境 职 业技 术 学 院 ， 甘 肃 兰州 ７ ３ ０ ０ ２ １ ）
摘要 ： 在科技时代的影响 下， 空间数据挖掘技术得到 了迅猛 发展 ， 多样 化、 技 术化 的 空间数据 日趋增 多 ， 人 们不 断更新 空
间数据挖掘 的知识 及其方法。文章首先对空间数据挖掘技 术 的基本含 义进行 了初 步 阐述 ， 然后 详 细描 述 了空间数据挖 掘技
２ ０ １ ３年第 ｏ ５期 第２ ９ 卷 （ 总３ ２ ９ 期）
吉林 省教育学院学报
Ｊ ＯＵＲＮＡＬ ＯＦ ＥＤＵＣＡＴＩ ＯＮＡＬ Ｉ ＮＳ ＴＩ ＴＵＴＥ ＯＦ Ｊ Ｉ ＬＩ Ｎ ＰＲＯＶＩ ＮＣＥ
Ｎｏ ． ０ ５， ２ ０１ ３ ＶＯ Ｉ ． ２ ９
Ｔｏ ｒ ａ ｌ Ｎｏ ． ３ ２ ９
进 行研 究 及探 讨 。但空 间数 据挖 掘与 常规 的数 据挖
掘存在 有 很 多不 同 ， 与 一般 事 务 的数 据 挖掘 也有 所 不 同， 空 间数据 挖 掘 在 状态 发 现 的空 问 理论 上扩 增 了很 多空 间 的 尺 度 维 。 因 为 空 间 数 据 本 身 具 有 复 杂、 多样 的特性 ， 所 以其 挖掘 技术 与常 规 的事物 数据 挖 掘技 术 有着 很 大 区别 ， 该 技 术 的主 要 特点 有 以下
难 的事 情 ， 因此作 为 高 级 的数据 查 询 挖 掘 系统 必 须 要更深 人地 探寻 更多有 利 的线索 。数据挖 掘具有 的 交互特 点 可 以帮 助 用 户 及 时定 义 出 数 据 挖 掘 的 需 求， 使 数据 挖掘 的过程 得到 深化 ， 并 以不 同的视觉 机 智地 看 待 数 据 挖 掘 技 术 在 多 抽 象 层 面 上 出 现 的
式， 这 些表 达方 式 主 要 取决 于 人 们 对 该 技术 的理 解
数据知识 ， 这种数据挖掘可 以弥补庞大、 复杂的数据 库所 不能查 询 的数据 知识 。数据 库本 身 已拥有 分布 广、 规模大、 数据挖掘方法复杂等特性 ， 该特性 的要 求是要 构建 一种 分布平 行 的数据 挖 掘技术 。 （ 三） 具 有集成 功 能
一
个 发 现 系统 的 功 能 和 方 法 如 果 没 有 足 够 多
样， 其 能够 使 用 的范 围 也 必 定 会 受 到 影 响 和 限 制 。 要想 拓宽发 现知 识 的领 域 ， 空 间数 据 的 挖 掘 系统 就 必须要 把 网络系 统 、 知 识 管理 库 、 数据 管 理 库 、 专 家
术的研究 方向， 最后 分析 了空间数据挖掘在农业 与地质勘探 中的应用 ， 并对空 间数据挖掘技术的未来发展做 出了美好展望 。
关键词 ： 空 间数 据 库 ； 数据挖 掘 ； 数 据 挖 掘 技 术 中图 分 类 号 ： Ｔ Ｐ ３— ０ 文献标识码 ： Ａ 文章编 号 ： ｌ ６ ７ １ —１ ５ ８ Ｏ （ ２ ０ １ ３ ） Ｏ ５ —０ ｌ ３ ９ —０ ２
数， 实 现 的价值将 会相 当可 观 。 （ －） 所 挖掘 的信 息来 源于 各种数 据 用 因特网 、 广域网、 局 域 网与其 他数据 源组 成一 个结 构复 杂 、 空 间 庞 大 的数 据 库 。数 据 进 行挖 掘 主
要是 在各 种语义 的非 格式 化 和格式 化 的数 据 中挖掘
四点 ： １ ． 空间数据挖掘技术有着丰富的数据源， 庞大 的数据量 ， 复杂的存取方法 ， 多种多样 的数据类型。
２ ． 空 间数据 挖 掘有 着 广 泛 的使 用 领域 ， 与所 有 关 于 空间位 置 的数 据有 着 紧密联 系 。３ ． 空 间数据 挖 掘技 术 的算 法 和方 法非 同一 般 ， 通 常其 算 法难 度大 、 较 复 杂 。４ ． 空 间 数 据 挖 掘 技 术 的 知 识 有 很 多 种 表 达 方
一
（ 四） 数据挖掘知识可以在多抽象层上交互 预测数据库将会挖掘 出何 种知识 ， 这是一件艰
亿级别 的数量数据库 已经腾空出世 ， 取代 了千兆级
收稿 日期 ： ２ ０ １ ３ —０ ３ —Ｏ ８ 作者简介 ： 顾润龙 （ １ ９ ７ ８ 一） ， 男， 甘肃兰州人 ， 兰州资源环境职业技术学院 ， 讲师 ， 研究方 向： 网络安全、 数据挖 掘、 高校信息化建设 。 １ ３ ９
一
、
什 么是 空 间数 据挖 掘
别 的数据 库 。高 维空 间 的海量 数据 库不但 使搜 索 的 空 间变大 ， 而且更 容易 发现 模式 存在 的错 误 ， 所 以充 分利 用相关 知识 去改 变维 数 ， 降低维 数 ， 删 除 多余 的 数据 ， 使数 据挖 掘 的算 法更 具 高 效 性 。海 量 空 间数 据提供 知识 的算 法 要 有 可 测性 、 高 效性 。多项 式 算 法 和指数算 法没 有 实 际 的使 用 价 值 ， 但 是 若 把算 法