空間データマイニングのプリミティブは何ですか？

空間データマイニングは、データマイニングを空間モデルに適用することです。空間データマイニングでは、アナリストは地理データまたは空間データを使用して、ビジネスインテリジェンスまたはさまざまな結果を作成します。これには、地理データを関連性のある有益な形式に変換するための特定の方法とリソースが必要でした。

空間データマイニングには、パターンの認識や、研究プロジェクトを推進する質問に関連するオブジェクトの発見など、いくつかの課題があります。アナリストは、GIS / GPSツールまたは同様のシステムを利用して、大規模なデータベース領域またはその他の完全に巨大なデータセットで表示し、関連するデータのみを検出できます。

空間データマイニングの基本は次のとおりです-

ルール −一般にデータベースから見つけることができるいくつかのタイプのルールがあります。たとえば、特性ルール、判別ルール、相関ルール、または偏差と評価のルールをマイニングできます。

空間特性ルールは、空間データの一般的な表現です。たとえば、都市のいくつかの地理的領域にある住宅の一般的なコスト範囲を定義するルールは、空間特性ルールです。

判別規則は、いくつかの地理的領域の住宅のコスト範囲の比較など、異なるクラスから空間レコードのクラスを判別または対比する機能の通常の表現です。

空間相関ルールは、空間データベース内の機能の別のグループによる機能の1つのグループの関連付けを定義するルールです。たとえば、家のコスト範囲をビーチなどの近くの空間特性に関連付けるルールは、空間相関ルールです。

主題図 −主題図は、明確なマップタイプを使用して、テーマ、個々の空間分布、またはパターンを表示するために一般的に設計されたマップです。これらのマップは、限られた地理的領域にわたる特徴の分布を表示します。各マップは、エリアを閉じたエリアと互いに素なエリアのグループに分割することを表しています。それぞれに、類似した特徴値を持つすべてのポイントが含まれています。

主題図は、個人またはいくつかの属性の空間分布を示します。これは、さまざまな空間オブジェクトに関するオブジェクトの位置を表示することが目的である一般的なマップや参照マップとは異なります。主題図は、複数のルールを見つけるために使用できます。

たとえば、地理的領域の一般的な気象パターンを分析しながら、気温の主題図を見ることができます。主題図を表すには、ラスターとベクターの2つの方法があります

ラスターイメージ形式では、主題図には属性値に関連するピクセルがあります。たとえば、マップには、ピクセル（または色）の深さとして空間オブジェクトプログラムの高度を含めることができます。

ベクトル記述では、空間オブジェクトはそのジオメトリによって定義され、最も一般的には、主題属性とともに境界定義になります。たとえば、公園は境界点と対応する標高値で表すことができます。