时空数据挖掘研究进展_刘大有

计算机研究与发展

ｏｆＣｏｍｕｔｅｒＲｅｓｅａｒｃｈａｎｄＤｅｖｅｌｏｍｅｎｔＪｏｕｒｎａｌＩＳＳＮ１０００１２３９ＣＮ１１１７７７ＴＰ　－?　－?

（）：５０２２２３９，２０１３时空数据挖掘研究进展

刘大有　陈慧灵　齐　红　杨　博

（）吉林大学计算机科学与技术学院　长春　１３００１２

）（符号计算与知识工程教育部重点实验室（吉林大学）３００１２　长春　１（ｍａｉｌ．ｃｏｍ）ｌｉｕｄａｏｕ１９４２０６０１＠ｇｙ

ＡｄｖａｎｃｅｓｉｎＳａｔｉｏｔｅｍｏｒａｌＤａｔａＭｉｎｉｎ　　　　ｐｐｇ

，Ｑ，ＬｉｕＤａｏｕ，ＣｈｅｎＨｕｉｌｉｎｉＨｏｎａｎｄＹａｎＢｏ　　　　ｙｇｇｇ　

（）ＣｏｌｌｅｅｏＣｏｍｕｔｅｒＳｃｉｅｎｃｅａｎｄ　ＴｅｃｈｎｏｌｏＪｉｌｉｎ　ＵｎｉｖｅｒｓｉｔＣｈａｎｃｈｕｎ１３００１２　　　ｇｆ　ｐｇｙ，ｙ，ｇ

，Ｍ（ＫｅＬａｂｏｒａｔｏｒｏＳｍｂｏｌｉｃＣｏｍｕｔａｔｉｏｎａｎｄ　ＫｎｏｗｌｅｄｅＥｎｉｎｅｅｒｉｎＪｉｌｉｎ　ＵｎｉｖｅｒｓｉｔｉｎｉｓｔｒｏＥｄｕｃａｔｉｏｎ，　　　ｙ　ｙｆ　ｙｐｇｇｇ（ｙ）ｙｆ　　　）Ｃｈａｎｃｈｕｎ１３００１２ｇ

，ＡｂｓｔｒａｃｔＩｎｒｅｃｅｎｔｅａｒｓｔｈｅｗｉｄｅｓｒｅａｄｕｓｅｏｆｔｈｅａｄｖａｎｃｅｄｔｅｃｈｎｏｌｏｉｅｓｓｕｃｈａｓｌｏｂａｌｏｓｉｔｉｏｎｉｎ　　　　　　　　　　　　　ｙｐｇｇｐｇ

，，ｒｒｅａｔｓｓｔｅｍｓｓｅｎｓｏｒｎｅｔｗｏｒｋａｎｄｍｏｂｉｌｅｄｅｖｉｃｅｓｅｓｕｌｔｓｉｎａｃｃｕｍｕｌａｔｉｏｎｏｆａａｍｏｕｎｔｏｆｎｏｎ　　　　　　　　　　　　－ｇｙ

，ｒｏｃｅｓｓｉｎｓａｔｉｏｔｅｍｏｒａｌｄａｔａａｎｄｓａｔｉｏｔｅｍｏｒａｌｄａｔａ．Ｉｎａｄｄｉｔｉｏｎｔｈｅｏｆｓａｔｉｏｔｅｍｏｒａｌｄａｔａｉｓ　　　　　　　　　ｐｇｐｐｐｐｐｐ　

ｍｏｒｅｃｏｍｌｅｘ，ｗｈｉｃｈｍａｋｅｓｔｈｅｉｎｃｒｅａｓｉｎｏｎｅｒｏｕｓｓｉｔｕａｔｉｏｎｏｆｄａｔａｔａｓｋｓｗｏｒｓｅ．Ｔｏｒｏｃｅｓｓｉｎ　　　　　　　　　ｐｇｐｇ　　，，ｔｈｅｓｅｃｈａｌｌｅｎｅｓｓａｔｉｏｔｅｍｏｒａｌｄａｔａｍｉｎｉｎｈａｓｅｍｅｒｅｄａｓａｎａｃｔｉｖｅｒｅｓｅａｒｃｈｆｉｅｌｄｆｏｃｕｓｉｎａｄｄｒｅｓｓ　　　　　　　　　　ｇｐｐｇｇｇ　

，ｍ，ｏｎｔｈｅｄｅｖｅｌｏｍｅｎｔｏｆｔｈｅｏｒｅｔｈｏｄｏｌｏａｎｄｆｏｒｔｈｅｅｘｔｒａｃｔｉｏｎｏｆｕｓｅｆｕｌｉｎｆｏｒｍａｔｉｏｎａｎｄｒａｃｔｉｃｅ　　　　　　　　　　　　ｐｙｇｙｐ，ｆｒｏｍ　ｍａｓｓｉｖｅａｎｄｃｏｍｌｅｘｓａｔｉｏｔｅｍｏｒａｌｄａｔａｂａｓｅｓ．Ｔｈｅｒｅｆｏｒｅｌｏｏｋｉｎｆｏｒｅｆｆｅｃｔｉｖｅｋｎｏｗｌｅｄｅ　　　　　　ｐｐｐｇｇ　ｓａｔｉｏｔｅｍｏｒａｌｄａｔａｍｉｎｉｎｍｅｔｈｏｄｓｉｓｏｆｒｅａｔｓｉｎｉｆｉｃａｎｃｅ．Ｔｈｉｓａｅｒａｔｔｅｍｔｓｔｏｒｅｖｉｅｗｔｈｅｒｅｃｅｎｔ　　　　　　　　　　　　ｐｐｇｇｇｐｐｐ　ｒｏｒｅｓｓｔｈｅｏｒｅｔｉｃａｌａｎｄａｌｉｅｄｒｅｓｅａｒｃｈｉｎｓａｔｉｏｔｅｍｏｒａｌｄａｔａｍｉｎｉｎａｎｄｋｎｏｗｌｅｄｅｄｉｓｃｏｖｅｒ．Ｗｅ　　　　　　　　　　ｐｇｐｐｐｐｇｇｙ　

，，ａｔｔｅｒｎｆｏｃｕｓｏｎｓａｔｉｏｔｅｍｏｒａｌｄｉｓｃｏｖｅｒｓａｔｉｏｔｅｍｏｒａｌｃｌｕｓｔｅｒｉｎｓａｔｉｏｔｅｍｏｒａｌａｎｏｍａｌｍａｉｎｌ　　　　　　ｐｐｐｙｐｐｇｐｐｙｙ　，，，ｄｅｔｅｃｔｉｏｎｓａｔｉｏｔｅｍｏｒａｌｒｅｄｉｃｔｉｏｎｓａｔｉｏｔｅｍｏｒａｌｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｔｈｅｃｏｍｂｉｎａｔｉｏｎｏｆｓａｔｉｏｔｅｍｏｒａｌｄａｔａ　　　　　　　ｐｐｐｐｐｐｐｍｉｎｉｎｗｉｔｈｒｅａｓｏｎｉｎ．Ｗｅｈａｖｅｉｎｔｒｏｄｕｃｅｄｔｈｅｓｔａｔｅｏｆｔｈｅａｒｔｒｅｓｅａｒｃｈｏｎｓａｔｉｏｔｅｍｏｒａｌｄａｔａ　　　　　－－－　　　　ｇｇｐｐ　

，ｉｎｄｅｔａｉｌａｎｄｄｉｓｃｕｓｓｅｄｔｈｅｃｕｒｒｅｎｔｍａｏｒｒｏｂｌｅｍｓｗｅａｒｅｆａｃｉｎａｎｄｉｔｓｏｓｓｉｂｌｅｓｏｌｕｔｉｏｎｓ．ｍｉｎｉｎ　　　　　　　　　　　　ｊｐｇｐｇ　　；；；Ｋｅｗｏｒｄｓ　ｓａｔｉｏｔｅｍｏｒａｌｄａｔａｍｉｎｉｎｓａｔｉｏｔｅｍｏｒａｌａｔｔｅｒｎｍｉｎｉｎｓａｔｉｏｔｅｍｏｒａｌｃｌｕｓｔｅｒｉｎ　　　　　ｐｐｇｐｐｐｇｐｐｇｙ　

；ｒｅｄｉｃｔｉｏｎｓａｔｉｏｔｅｍｏｒａｌｏｕｔｌｉｅｒｄｅｔｅｃｔｉｏｎｓａｔｉｏｔｅｍｏｒａｌａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎ　　　　　ｐｐｐｐｐ随着全球定位系统、传感器网络和移动设备等的普遍使用，非时空数据和时空数据急剧摘　要　近年来，

加之时空数据处理更为复杂，使数据处理任务日趋繁重的形势更加严峻．因此，寻找有效的时空数增加，

据挖掘方法具有十分重要的意义．针对这一背景，主要围绕时空模式发现、时空聚类、时空异常检测、时空预测、时空分类、时空数据挖掘与推理的结合等方面，对时空数据挖掘研究的现状进行了详细介绍，对其当前所面临的一些主要问题及可能的解决方案进行了探讨．

时空模式发现；时空聚类；时空异常检测；时空预测和分类关键词　时空数据挖掘；

中图法分类号　ＴＰ１８１

　　早期的数据挖掘研究主要针对字符—数值型的

商业数据．数据挖掘领域的２０世纪９０年代中后期，一些较成熟的技术，如关联规则挖掘、分类、预测与

修回日期：－－－－２０１１０３１１；２０１２０６２５　收稿日期：

聚类等被逐渐用于时间序列数据挖掘和空间数据挖

］］１４５９－－

掘，以发现与时间［或空间［相关的有价值的模

式．这些研究得到了快速发展．随着传感器网络、全球

）国家自然科学基金项目（６１１３３０１１，６１１７００９２，６０９７３０８８，６０８７３１４９　基金项目：

２２６

（）计算机研究与发展　２０１３，５０２

）、定位系统（手持移动设备和射频识别（等ＧＰＳＲＦＩＤ）

］１，１０１３－设备的普遍应用，积累了大量的移动对象数据［．

数据挖掘，例如ＳｍｏｓｉｕｍｏｎＳａｔｉａｌａｎｄＴｅｍｏｒａｌ　　　　ｙｐｐｐ

②

，ＳＳＴＤ）ＡＣＭＩｎｔｅｒｎａｔｉｏｎａｌＳｍｏｓｉｕｍＤａｔａｂａｓｅｓ（　　ｙｐ

此外，遥感卫星和地理信息系统（等的显著进ＧＩＳ）步，使人们前所未有地获取了大量的气候数据、数字

］１，１０１３－

影像数据以及地理科学数据［这些时空数据．

ｏｎＡｄｖａｎｃｅｓｉｎＧｅｏｒａｈｉｃＩｎｆｏｒｍａｔｉｏｎＳｓｔｅｍｓ　　　　　ｇｐｙ

③

（））等．ＡＣＭ　ＧＩＳ

当前，时空数据挖掘的研究已吸引了来自ＧＩＳ、时空推理、数据挖掘、机器学习和模式识别等众多领域的学者，取得了诸多研究成果．与此同时，时空数如移动电子商务（基据挖掘也在许多领域得到应用，

［］１５１６－

、于位置的服务）土地利用分类及地域范围预］１７１９－

、测［全球气候变化监控（如海洋温 …… 此处隐藏：39426字，全部文档内容请下载后查看。喜欢就下载吧 ……