可視化交互空間數(shù)據(jù)挖掘原型系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)_圖文

1、第 31卷 第 10期 2006年 10月 武 漢 大 學(xué) 學(xué) 報(bào) 信 息 科 學(xué) 版G eomatics and Information Science of Wuhan University Vol. 31No. 10Oct. 2006 收稿日期 :2006207225。項(xiàng)目來源 :國(guó)家自然科學(xué)基金資助項(xiàng)目 (40271088 ; 國(guó)家教育部留學(xué)人員回國(guó)基金資助項(xiàng)目 (152174 ; 中南大學(xué)文理科學(xué)研究基金資助項(xiàng)目 (0601057 。文章編號(hào) :167128860(2006 1020916204文獻(xiàn)標(biāo)志碼 :A可視化交互空間數(shù)據(jù)挖掘原型系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)賈澤露 1,2 劉耀林 1 張 彤

2、 3(1 武漢大學(xué)資源與環(huán)境科學(xué)學(xué)院 , 武漢市珞喻路 129號(hào) ,430079 (2 中南大學(xué)地質(zhì)與環(huán)境工程學(xué)院 , 長(zhǎng)沙市麓山南路 25號(hào) ,410083 (3 圣地亞哥州立大學(xué)地理系 , 美國(guó)圣地亞哥鐘塔路 5500號(hào) ,CA9218224493摘 要 :基于 VC +6. 0和 MapObject2. 0組件技術(shù)設(shè)計(jì) , V GC (visual geo 2classify , 并用實(shí)例數(shù)據(jù)對(duì)系統(tǒng)性能和算法 , 該原型系統(tǒng)是一個(gè)適用的 、 可擴(kuò)展的可視化交互空間數(shù)據(jù)挖掘工具 。關(guān)鍵詞 :空間數(shù)據(jù)挖掘 ; 決策樹 ; 貝葉斯網(wǎng)絡(luò) ; 中圖法分類號(hào) :P208 , 并從中進(jìn)行相關(guān) 高層次空

3、間知識(shí)的構(gòu)建 , 二者都是循序漸進(jìn) 、 不斷 優(yōu)化的過程 , 差別在于它們對(duì)人類視覺能力和計(jì) 算機(jī)計(jì)算能力的依賴程度不同 。因此 , 將兩者結(jié) 合起來進(jìn)行空間數(shù)據(jù)探索分析是完全可行的 。 筆 者結(jié)合國(guó)內(nèi)外研究的成果 , 開發(fā)了一個(gè)可視化交 互空間數(shù)據(jù)挖掘 (主要用于分 類 的 試驗(yàn)系 統(tǒng) V GC 。1 VG C 系統(tǒng)框架及基本設(shè)計(jì)思想1. 1 系統(tǒng)總體框架系統(tǒng)的總體框架如圖 1所示 , 系統(tǒng)通過圖形 用戶界面進(jìn)行人機(jī)交互 , 計(jì)算機(jī)將空間源數(shù)據(jù) 、 數(shù) 據(jù)挖掘中間結(jié)果和發(fā)現(xiàn)的高層次知識(shí)都以地圖為 主的各種圖形表達(dá)出來 , 用戶接收這些信息后 , 通 過可視化思考過程決定繼續(xù)的交互操作 。 系

4、統(tǒng)將 數(shù)據(jù)挖掘方法得到的模型根據(jù)其特點(diǎn)可視化 , 并 同地圖相連 , 這樣 , 用戶可以隨時(shí)捕捉被地圖放大 了的模型的細(xì)微變化 , 一方面可以從不同模型的 不同角度和具體細(xì)節(jié)來發(fā)現(xiàn)空間數(shù)據(jù)的分布規(guī) 律 ; 另一方面 , 可以比較各模型的優(yōu)劣 ?？傊?, 使用地圖作為空間數(shù)據(jù)探索分析的交互中心 , 不論 是用戶的想法還是計(jì)算機(jī)運(yùn)算的結(jié)果 , 都可以實(shí) 時(shí)地在地圖上顯示。圖 1 V GC 系統(tǒng)的總體框架Fig. 1 Structure of System1. 2 數(shù)據(jù)挖掘算法選取系統(tǒng)采用決策樹方法和貝葉斯網(wǎng)絡(luò)作為數(shù)據(jù) 挖掘方法的基本算法 , 其中以決策樹算法為主 , 貝 葉斯網(wǎng)絡(luò)為輔 , 即使用決

5、策樹算法對(duì)空間數(shù)據(jù) (主 要是矢量數(shù)據(jù) 進(jìn)行屬性的處理和選擇 , 通過一定 的學(xué)習(xí)生成規(guī)則 , 通過這些規(guī)則對(duì)更為大量的空 間數(shù)據(jù)進(jìn)行分類 ; 貝葉斯網(wǎng)絡(luò)則是描述屬性間的 相關(guān)關(guān)系 。 其總體的目標(biāo)在于 , 通過數(shù)據(jù)挖掘方 法得到分類規(guī)則 , 并不斷加以完善 , 盡量提高GIS 第 31卷第 10期 賈澤露等 :可視化交互空間數(shù)據(jù)挖掘原型系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)空間數(shù)據(jù)的分類精度 。2 模塊和界面設(shè)計(jì)2. 1 系統(tǒng)模塊及工作流程 基于系統(tǒng)總體框架的設(shè)計(jì) , 系統(tǒng)主要模塊如 圖 2所示 。 首先通過一個(gè)數(shù)據(jù)連接和預(yù)處理模塊 從空間數(shù)據(jù)庫(kù)中交互地選取參加可視化交互分類 分級(jí)的數(shù)據(jù)集 、 屬性和地圖 , 并對(duì)

6、其中的一些數(shù)據(jù) 進(jìn)行處理 (缺失數(shù)據(jù)和不確定數(shù)據(jù)的處理 、 數(shù)據(jù)壓 縮 、 轉(zhuǎn)換等 。 然后將處理好的數(shù)據(jù)在地圖和其他 各種視圖中顯示 , 同時(shí)導(dǎo)入到?jīng)Q策樹訓(xùn)練模塊進(jìn) 行決策樹的學(xué)習(xí)過程 , 其訓(xùn)練結(jié)果包括剪裁前后 的決策樹以及一些分類規(guī)則 , 也可以直接從數(shù)據(jù) 集中學(xué)習(xí)貝葉斯網(wǎng)絡(luò) , 或者是根據(jù)決策樹的規(guī)則 , 把其作為先驗(yàn)知識(shí) , 并結(jié)合用戶對(duì)數(shù)據(jù)的理解來 學(xué)習(xí)貝葉斯網(wǎng)絡(luò) , 從而得到貝葉斯網(wǎng)絡(luò)圖形 。這 幾種數(shù)據(jù)挖掘的中間結(jié)果可以實(shí)時(shí)可視化 , 地圖等視圖相連 , 數(shù)據(jù)集的內(nèi)在特征 , 、 、 處理結(jié)果進(jìn) 。 當(dāng)用戶 認(rèn)為當(dāng)前的分類規(guī)則滿足一定的需要后 , 同樣可 以從空間數(shù)據(jù)庫(kù)中選取測(cè)

7、試數(shù)據(jù)集 , 按照分類規(guī) 則進(jìn)行測(cè)試 , 測(cè)試的結(jié)果可以同訓(xùn)練數(shù)據(jù)在地圖 中一起顯示 , 從而可以比較兩個(gè)數(shù)據(jù)集的空間分 布和分類結(jié)果 。完成測(cè)試過程后 , 用戶就可以對(duì) 其他未知數(shù)據(jù)進(jìn)行交互分類 。 三個(gè)過程之間和不 同視圖之間可以時(shí)時(shí)切換 , 形成一種循環(huán)的漸進(jìn) 的知識(shí)發(fā)現(xiàn)過程 。圖 3描述了系統(tǒng)各部分的聯(lián) 系。 圖 2 V GC 系統(tǒng)各模塊Fig. 2 Models of System V GC圖 3 V GC 系統(tǒng)各模塊的連接關(guān)系Fig. 3 Relation of Models of System V GC2. 2 系統(tǒng)主要界面設(shè)計(jì)這里指的界面并不局限于程序的外觀界面 , 而是包括了

8、所有用戶同計(jì)算機(jī)系統(tǒng)交互的工具 。 根據(jù)當(dāng)前計(jì)算機(jī)軟件的主要界面特征 , 系統(tǒng)提供 了表單輸入 、 菜單和直接交互等幾種形式 。界面 形式的代表截圖如圖 4所示 。 圖 4左邊是表單輸 入的交互形式 , 右邊是一個(gè)典型的菜單形式 。程 序運(yùn)行的主界面如圖 5所示 , 界面主要由五部分 構(gòu)成 , 包括菜單區(qū) 、 主控制區(qū) 、 地圖視圖 、 輔助視圖 和信息輸出等 。 另外還有數(shù)據(jù)視圖和統(tǒng)計(jì)視圖等 幾個(gè)額外的視圖。、 菜單交互Fig. 4 Alternation of Table and Menu圖 5 系統(tǒng)運(yùn)行界面Fig. 5 Main Surface ofSystem3 系統(tǒng)實(shí)現(xiàn)系統(tǒng)運(yùn)行和實(shí)現(xiàn)

9、環(huán)境是 Windows 2000Pro 2fessional , 編程語言采用 VC +6. 0, 程序調(diào)試和運(yùn)行在微機(jī)單機(jī)上進(jìn)行 。 空間數(shù)據(jù)的屬性部分使 用 ADO 數(shù)據(jù)庫(kù)訪問技術(shù)來連接處理 , 圖形部分 使用 ESRI 公司的 MapObject2. 0組件管理 。屬 性部分和圖形部分分開處理 , 可以加快數(shù)據(jù)連接 和訪問的速度 , 同時(shí)也可以避免同時(shí)訪問同一數(shù) 據(jù)的錯(cuò)誤發(fā)生 。 數(shù)據(jù)挖掘的算法選用 C4. 5決策 樹算法 。貝葉斯網(wǎng)絡(luò)算法選用貝葉斯學(xué)習(xí)軟件 BN PC (belief network power const ructor 。 V GC 采用的策略是將屬性數(shù)據(jù)利用 BN

10、PC 訓(xùn)練得到 網(wǎng)絡(luò)后導(dǎo)入到 V GC 中來 。另外 , 網(wǎng)絡(luò)學(xué)習(xí)的算 法比較復(fù)雜 , 實(shí)現(xiàn)困難 。 V GC 中除地圖視圖使用MO 引擎外 , 其他各視圖的可視化交互形式都在 VC +中直接從底層實(shí)現(xiàn) 。利用 V GC 進(jìn)行動(dòng)態(tài)分類分級(jí)的過程及步驟 如下 : 源數(shù)據(jù)準(zhǔn)備 。系統(tǒng)支持 Access2000的 . MDB 文件格式的屬性數(shù)據(jù)和 Shape 格式的空間數(shù)據(jù) , 屬性數(shù)據(jù)和空間數(shù)據(jù)分開處理 。通過一個(gè) 數(shù)據(jù)連接和預(yù)處理向?qū)硗瓿蓴?shù)據(jù)導(dǎo)入及為訓(xùn)練程序提供必要的信息 。 初始訓(xùn)練 。通過決策 樹算法進(jìn)行初始訓(xùn)練 , 得到必要的訓(xùn)練信息后 , 設(shè) 定訓(xùn)練參數(shù) , 包括樹的訓(xùn)練參數(shù)和規(guī)則的訓(xùn)

11、練參719 武 漢 大 學(xué) 學(xué) 報(bào) 信 息 科 學(xué) 版 2006年 10月數(shù)兩部分 。 數(shù)據(jù)分析 。得到初步?jīng)Q策樹結(jié)果 后 , 可以得到剪裁前后的決策樹及分類規(guī)則 。此 時(shí) , 可以根據(jù)得到的規(guī)則和用戶自身的知識(shí)作為 先驗(yàn)知識(shí) , 對(duì)當(dāng)前的數(shù)據(jù)訓(xùn)練學(xué)習(xí)得到一個(gè)貝葉 斯網(wǎng)絡(luò) , 然后打開貝葉斯網(wǎng)絡(luò)視圖來對(duì)屬性之間 的關(guān)系進(jìn)行進(jìn)一步的可視化分析 。 數(shù)據(jù)測(cè)試 。 在主控制區(qū)中選中測(cè)試標(biāo)簽視圖 。開始測(cè)試 , 測(cè) 試數(shù)據(jù)直接按照分類規(guī)則進(jìn)行分類 , 然后同已知 類別結(jié)果進(jìn)行比較 。 文本結(jié)果輸出在信息輸出視 圖區(qū)的測(cè)試信息標(biāo)簽視圖中顯示 , 地圖結(jié)果則在 地圖視圖中顯示 。 數(shù)據(jù)分類 。測(cè)試結(jié)果滿意

12、 后 , 采用交互分類的方法 , 將待分類數(shù)據(jù)導(dǎo)入地 圖 , 使用鼠標(biāo)在地圖上點(diǎn)選需要預(yù)測(cè)的空間目標(biāo) 來實(shí)時(shí)得到分類的結(jié)果 。由于將地圖放在信息交互和傳輸?shù)闹行?, 因 此 , 進(jìn)行可視化數(shù)據(jù)探索分析在大多數(shù)情況下是 以地圖作為探索分析的主要界面 。 視圖連接模型 如圖 6所示 。 圖 6 各視圖連接模型Fig. 6 Model of Views Relation4 試驗(yàn)與分析該數(shù)據(jù)為人工構(gòu)建 , 主要是反映土地價(jià)格同 其他各種影響因素之間的關(guān)系 , 并試圖根據(jù)訓(xùn)練 數(shù)據(jù)的結(jié)果來對(duì)未知土地價(jià)格進(jìn)行分類預(yù)測(cè) , 目 的只是為了描述 V GC 下可視化交互分類的過程 和特點(diǎn) 。 數(shù)據(jù)以 shape

13、 格式存儲(chǔ) 。選取部分對(duì)土 地價(jià)格有影響的因子屬性 , 其中人口密度 、 用地潛 力 、 地形地質(zhì) 、 環(huán)境質(zhì)量 、 公用設(shè)施和基礎(chǔ)設(shè)施取 離散型屬性 , 對(duì)外交通 、 道路通達(dá)度 、 集貿(mào)市場(chǎng)和 商服中心取連續(xù)值屬性 。 這樣兼顧了離散和連續(xù) 值屬性的處理 , 使得數(shù)據(jù)集更有代表性 。訓(xùn)練數(shù) 據(jù)和測(cè)試數(shù)據(jù)比例大約為 7 3?？紤]到動(dòng)態(tài)分 類的需要 , 建立了地價(jià)這個(gè)連續(xù)取值屬性 , 并對(duì)其 進(jìn)行動(dòng)態(tài)分類 , 得到土地價(jià)格的各個(gè)級(jí)別 。按分類過程進(jìn)行數(shù)據(jù)的訓(xùn)練和測(cè)試工作 。 試 驗(yàn)分類數(shù)量和分類界限對(duì)決策樹訓(xùn)練和測(cè)試的影 響結(jié)果如表 1所示 。試驗(yàn)表明 , 用戶給定的類別個(gè)數(shù) (對(duì)地價(jià)進(jìn)行分級(jí)

14、 對(duì)分類結(jié)果有較大的影 響 。 這說明類別增大時(shí) , 規(guī)則增加很快 , 但對(duì)精度 的影響不大 。 不同分類界限對(duì)分類精度的影響也 不是很大 。 為了方便分析 , 在確定分級(jí)邊界時(shí) , 將 整個(gè)地價(jià)分布區(qū)間分成四級(jí) 。 表 2是不同決策樹參數(shù)下的訓(xùn)練時(shí)間 、 規(guī)則個(gè)數(shù) 、 剪裁后的樹的大小 以及分類錯(cuò)誤率 。表 1類別數(shù)量對(duì)規(guī)則分類精度的影響Tab. 1 Effect of Classification Number to Precisionof Classify Rules分類類別個(gè)數(shù)提取的規(guī)則數(shù)量分類精度 /%348947805784684表 2T Under Different Param

15、eters執(zhí)行時(shí)間 /s 規(guī)則大小 剪裁后樹大小錯(cuò)誤率4. 28310. 200/0. 289成長(zhǎng) 5棵樹 32. 77230. 225/0. 244使用信息增 益 分支方法 3. 58310. 200/0. 289離散屬性歸 并 處理8. 57310. 170/0. 290成長(zhǎng) 5棵樹 /離散屬性歸并 處 理126. 06210. 230/0. 289 試驗(yàn)結(jié)果表明 , 訓(xùn)練多棵決策樹可以得到更加簡(jiǎn)練和精確的決策樹 (多棵選一 , 但執(zhí)行速度 卻慢很多 , 所以從交互角度來說 , 采用單棵決策 樹訓(xùn)練更為可行 。而對(duì)離散屬性進(jìn)行歸并處理 , 可以提高分類精度 , 費(fèi)時(shí)也不多 。 因此 , 在

16、出現(xiàn)某 些離散屬性的屬性值過多的情況時(shí)可以適當(dāng)采 用 。 用戶在交互操作的任何時(shí)候都可以改變這些 參數(shù) , 以達(dá)到更好的分類結(jié)果 。在進(jìn)行決策樹訓(xùn) 練的同時(shí) , 可以根據(jù)訓(xùn)練數(shù)據(jù)生成貝葉斯網(wǎng)絡(luò) 。5 結(jié) 語對(duì)于 V GC 系統(tǒng) , 需要對(duì)現(xiàn)有的算法努力降 低算法復(fù)雜度 , 并在貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)的基礎(chǔ) 上進(jìn)行概率參數(shù)的學(xué)習(xí) , 這樣可以通過貝葉斯網(wǎng) 絡(luò)來驗(yàn)證決策樹的分類結(jié)果 , 并直接進(jìn)行推理預(yù) 測(cè) , 做到?jīng)Q策樹和貝葉斯網(wǎng)絡(luò)兩種數(shù)據(jù)挖掘方法 的高度結(jié)合 。同時(shí)可以包含更多的數(shù)據(jù)挖掘方 法 , 并嘗試將空間拓?fù)潢P(guān)系融入到數(shù)據(jù)挖掘模型 之中 , 真正做到空間數(shù)據(jù)挖掘 。對(duì)可視化的界面 和內(nèi)容可以

17、向三維可視化發(fā)展 , 并完善現(xiàn)有的界819 第 31卷第 10期 賈澤露等 :可視化交互空間數(shù)據(jù)挖掘原型系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)面 。 在地圖的表現(xiàn)力方面 , 加入自動(dòng)專題制圖技 術(shù) , 根據(jù)數(shù)據(jù)的不同特點(diǎn)和用戶的不同需要自動(dòng) 選擇表示的方法 。 在可視化和空間數(shù)據(jù)挖掘方法 的結(jié)合上 , 需要擴(kuò)展可視化在整個(gè)空間知識(shí)發(fā)現(xiàn) 中的作用 , 在數(shù)據(jù)預(yù)處理和選取 、 數(shù)據(jù)挖掘 、 結(jié)果 解譯等各個(gè)階段 , 都要充分利用可視化的作用 , 充 分體現(xiàn)用戶在知識(shí)發(fā)現(xiàn)過程中的作用 。參 考 文 獻(xiàn)1 Mac Eachren A M , Wachowicz M , Edsall R , et al. Constructi

18、ng Knowledge f rom Multivariate Spatio 2 temporal Data :Integrating G eographic Visualization (GVis with Knowledge Discovery in Databases (KDD J.International Journal of G eographic In 2 formation Science , 1999,13(4 :31123342 Howard D , MacEachren A M. Interface Design for G eographic Visualization

19、 :Tools for Representing ReliabilityJ.Cartography and Geographic Infor 2 mation Systems , 1996, 23:592773 Quinlan J R. C4. 5:Programs forM .San Mateo :Morgan Kaufamann , 1993 4 Cheng Jie. Belief Network PowerConstructorOL . http :www. cs. ualberta. ca/2jcheng/bnpchlp/index. html , 19935 Miller H J ,

20、 Han J. Geographic Data Mining and Knowledge Discovery :an Overview M .London : Taylor and Francis , 20016 K operski K , Han J. Discovery of Spatial Associa 2 tion Rules in Geographic Information Databases M .Berlin :Springer 2Verlag ,1995:472667 Buja A , Cook D , Swayne D F. Interactive High 2Di 2

21、mensional Data VisualizationJ.Journal of Compu 2 tational and Graphical Statistics , 1996, 5(1 :78299 8 MacEachren A M. An Evolving Cognitive 2Semiotic Approach to G eographic and Knowl 2 edge ConstructionJDesign Journal , 2001236, 博士生。主要從事信息系統(tǒng)智能化的研 理論 、 方法的研究和教學(xué)工作。E 2mail :gis_zljia163. comDevelopm

22、ent of System B ased on Visual Interactive Spatial Data MiningJ I A Zel u 1, 2 L I U Yaoli n 1 Z H A N G Tong 3(1 School of Resource and Environment Science ,Wuhan University , 129L uoyu Road , Wuhan 430079, China (2 School of Geology and Environment Engineering , Central Sout h University , 25Sout h Lushan Road , Changsha 410083, China (3 Depart ment of Geography , San Diego State University , 5500Campanile Drive San Diego , CA 9218224493, USA Abstract :A spatial data mini