空间数据挖掘与时间数据挖掘的区别

空间数据挖掘是指从空间数据库中提取未明确存储的知识、空间关系和有趣的模式的过程；另一方面，时间数据挖掘是指提取有关事件发生知识的过程，无论它们是否遵循随机、周期性、季节性变化等。空间意味着位置，而时间意味着时段。本文中，我们将分别学习空间数据挖掘和时间数据挖掘；之后，我们将讨论它们之间的区别。

什么是空间数据挖掘？

空间数据的出现和空间数据库的广泛使用催生了空间知识发现。空间数据挖掘可以理解为从空间数据库中确定一些令人兴奋且具有假定价值的模式的过程。

有多种工具可以协助从地理空间数据中提取信息。这些工具对于像 NASA、国家图像测绘局 (NIMA)、国家癌症研究所 (NCI) 和美国交通部 (USDOT) 这样的组织发挥着至关重要的作用，这些组织倾向于根据大型空间数据集做出重大决策。

早期，曾使用一些通用数据挖掘工具，如 Clementine See5/C5.0 和 Enterprise Miner。这些工具用于分析大型商业数据库，其主要目的是了解数据库中所有客户的购买模式。

此外，通用工具还优先用于分析科学和工程数据、天文数据、多媒体数据、基因组数据和网络数据。

以下是地理数据的一些特定特征，这些特征阻碍了通用数据挖掘算法的使用：

1. 变量之间的空间关系，
2. 误差的空间结构
3. 非独立观测
4. 特征之间的空间自相关
5. 特征空间中的非线性交互。

空间数据必须包含纬度或经度、UTM 东坐标或北坐标，或表示空间中点位置的其他坐标。除此之外，空间数据可以包含与某个地点相关的任意数量的属性。您可以选择要描述某个地点的属性类型。政府网站通过提供空间数据提供了一种资源，但您不必局限于他们生成的数据。您可以自己生成数据。

例如，假设您想记录过去一周访问过的每个地点的信息。这可能有助于深入了解您的日常习惯。您可以捕获目的地的坐标，并列出许多属性，例如地点名称、访问目的、访问时长等。然后，您可以在 Quantum GIS 或类似软件中创建包含此信息的 shapefile，并使用该软件查询和可视化数据。例如，您可以生成访问量最大的地点的热力图，或选择距离家 8 英里半径内您访问过的所有地点。

任何可以与位置关联的数据都可以成为空间数据，甚至可以拥有同时与空间和时间位置关联的时空数据。例如，在灾难发生后对 Twitter 推文进行地理定位时，可能会生成一个动画，显示推文从事件中心传播的情况。

空间数据挖掘任务

这些是空间数据挖掘的主要任务。

分类

分类：根据对象的属性确定一组规则，从而找到指定对象的类别。

关联规则

关联规则：从数据集中确定规则，描述数据库中通常存在的模式。

特征规则

特征规则描述数据集的某些部分。

判别规则

顾名思义，判别规则描述数据库两部分之间的差异，例如根据就业率计算两个城市之间的差异。

什么是时间数据挖掘？

时间数据挖掘是指从海量时间数据集中提取非平凡、隐式且可能重要的数据的过程。时间数据是主要数据类型（通常是数值）的序列，它处理从时间数据中收集有用知识。

随着存储数据的增加，在过去十年中，寻找隐藏数据的兴趣剧增。寻找隐藏数据主要集中在数据分类、关系发现和数据聚类。在发现过程中出现的主要缺点是处理具有时间依赖性的数据。此类数据集中与时间数据相关的属性必须与其他类型的属性区别对待。因此，大多数数据挖掘技术将时间数据视为无序的事件集合，忽略了其时间数据。

时间数据挖掘任务

• 数据特征化和比较
• 聚类分析
• 分类
• 关联规则
• 预测和趋势分析
• 模式分析

空间数据挖掘与时间数据挖掘的区别