云計算環(huán)境下GML時空數(shù)據(jù)聚類挖掘研究.pdf

1、GML的時空數(shù)據(jù)中隱含著許多的知識信息,這些隱含著的模式與特征,數(shù)據(jù)與數(shù)據(jù)之間的關系及其特征等等,通過挖掘這些知識讓人們增加對自然界的了解,獲取自然界事物的聯(lián)系、規(guī)律和相互間的作用,為人類的生產和生活起積極的指導和決策作用。然而,由于GML時空數(shù)據(jù)的時間、空間以及半結構化特性,導致無法使用精確的模式來定義GML時空數(shù)據(jù),而使得從 GML時空數(shù)據(jù)中進行信息提取比從傳統(tǒng)數(shù)據(jù)中挖掘信息復雜得多。同時,GML時空數(shù)據(jù)量繁多和計算密集型的特點,使

2、得進行數(shù)據(jù)挖掘時對計算機的硬件要求一定程度上制約著信息化處理的進程。為此本文在搭建的云計算環(huán)境Hadoop平臺下,提出了兩種GML時空的并行聚類挖掘算法,并且設計和實現(xiàn)了并行GML時空的聚類挖掘原型系統(tǒng),將聚類結果以地圖的形式可視化的呈現(xiàn)出來。在分布式并行計算環(huán)境下,可以在很大程度上提高海量時空數(shù)據(jù)挖掘時遇到的瓶頸問題,即效率問題。具體如下:
　　(1)提出兩種針對 GML時空序列數(shù)據(jù)挖掘的并行聚類算法,第一種是提出了結合K-me

3、ans基于時間序列的GML時空相似度度量,把空間屬性和時間序列一同考慮來度量空間對象的時間序列相似度,通過并行的K-means聚類算法來進行數(shù)據(jù)挖掘。
　　(2)第二種是根據(jù)空間鄰域的定義,先確定GML時空對象的空間鄰域,再在該鄰域內計算兩具有時間序列屬性的時空對象的基于時間序列的相似度,結合并行的DBSCAN(STN_PDBSCAN)聚類算法進行時空數(shù)據(jù)的挖掘。
　　(3)通過搭建 Hadoop云計算的平臺,采用MapRe