面向大數(shù)據(jù)的空間數(shù)據(jù)挖掘綜述

杜江毅，邊馥苓

（1. 武漢大學 測繪遙感信息工程國家重點實驗室，湖北 武漢 430079；2. 湖北工業(yè)大學 計算機學院，湖北 武漢 430068；3. 武漢大學 國際軟件學院，湖北 武漢 430079）

面向大數(shù)據(jù)的空間數(shù)據(jù)挖掘綜述

杜江毅1,2，邊馥苓3

（1. 武漢大學 測繪遙感信息工程國家重點實驗室，湖北 武漢 430079；2. 湖北工業(yè)大學 計算機學院，湖北 武漢 430068；3. 武漢大學 國際軟件學院，湖北 武漢 430079）

隨著大數(shù)據(jù)時代的到來，海量空間數(shù)據(jù)與獲取手段不足的矛盾日益顯著，空間數(shù)據(jù)挖掘的地位日益提高。從大數(shù)據(jù)的含義出發(fā)，分析了空間數(shù)據(jù)與大數(shù)據(jù)的關系，回顧了傳統(tǒng)空間數(shù)據(jù)挖掘存在的問題，最后從平臺和算法兩個方面探討了空間大數(shù)據(jù)挖掘的最新研究進展。

大數(shù)據(jù)；空間數(shù)據(jù)挖掘；云計算

近年來，大數(shù)據(jù)已經(jīng)引起了學術界、產(chǎn)業(yè)界和政府部門的高度關注。實際上，人類第一次開始關注大數(shù)據(jù)是在1980年，當時著名的未來學家阿爾文·托夫勒就熱情洋溢地稱呼大數(shù)據(jù)為“第三次浪潮的華彩樂章”[1]。在學術界，最早關注大數(shù)據(jù)的是Nature，2008 年9月其推出“Big Data”專刊，從多門學科的角度介紹了大數(shù)據(jù)所帶來的機遇與挑戰(zhàn)[2]。Science在2011年2月也推出了名為“Dealing with Big Data”的專刊，同樣發(fā)表了與大數(shù)據(jù)相關的論點。在產(chǎn)業(yè)界，2011年5月McKinsey公司再次明確提出大數(shù)據(jù)的概念，并為企業(yè)和政府應對大數(shù)據(jù)的發(fā)展提出了自己的思考[3]。許多企業(yè)和組織也將大數(shù)據(jù)作為未來的主要業(yè)務，提出了多種大數(shù)據(jù)解決方案或應用，如IBM的InfoSphere大數(shù)據(jù)分析平臺[4]。美、英等國政府也出臺了多項政策和措施，以應對大數(shù)據(jù)的挑戰(zhàn)[5-6]。

總之，正如舍恩伯格和庫克耶[7]所說，“大數(shù)據(jù)開啟了一次重大的時代轉(zhuǎn)型”，“是人們獲得新的認知，創(chuàng)造新的價值的源泉；還是改變市場、組織機構，以及政府與公民關系的方法”。如今大數(shù)據(jù)的價值不斷被認可，它涉及到人類生活、企業(yè)發(fā)展、國家戰(zhàn)略等各個應用領域[7]，而這些應用領域中的數(shù)據(jù)絕大多數(shù)與空間位置有關，如何從海量的空間數(shù)據(jù)中獲取有價值的信息（空間數(shù)據(jù)挖掘）已成為大數(shù)據(jù)的主要應用方向[8-9]。

1 大數(shù)據(jù)時代的空間數(shù)據(jù)

1.1 大數(shù)據(jù)的定義

隨著大數(shù)據(jù)在全世界的興起，大數(shù)據(jù)的定義也呈現(xiàn)多種解釋。一般來說，數(shù)據(jù)量的大小超過正常處理范圍和大小、用戶采用普通的軟件工具和處理方法難以處理的數(shù)據(jù)集，即可稱為大數(shù)據(jù)[6]。

2008年Nature中的定義為大數(shù)據(jù)“是人類認知過程的進步，規(guī)模是無法用目前的技術、方法和理論，在可容忍的時間內(nèi)獲取、管理、處理的數(shù)據(jù)集”[10]。Gartner公司認為大數(shù)據(jù)是一種體量巨大、增長極快、樣式繁多的信息價值；需要采用新的處理方法和模式，才能確保其體現(xiàn)出更強更準確的決策力、洞察力、以及優(yōu)化流程的能力[11]。這個定義最重要的意義在于明確了如何才能從這些快速增長的動態(tài)的數(shù)據(jù)集中獲取有價值的信息，即大數(shù)據(jù)是三維的：容量、多樣、速度，但它忽略了大數(shù)據(jù)具有的價值性。因此，IDC在2011 年的報告中給出了更能為人們所接受的大數(shù)據(jù)的定義：具有“4V”特點的數(shù)據(jù)集，即容量（Volume）、多樣（Variety）、速度（Velocity）和價值（Value），就是大數(shù)據(jù)；同時，IDC指出，“大數(shù)據(jù)技術展現(xiàn)了一種技術及其構架的新時代，針對各種超大規(guī)模的數(shù)據(jù)集，以經(jīng)濟的方式，迅速地獲取、發(fā)現(xiàn)和分析技術，提取價值”[12]。

1.2 時空數(shù)據(jù)是大數(shù)據(jù)的基礎

大數(shù)據(jù)的復雜性，導致其難以被傳統(tǒng)的技術所利用。這些數(shù)據(jù)中的絕大多數(shù)來源于空間數(shù)據(jù)，因為約80%的數(shù)據(jù)與空間位置有關[13-14]。

隨著國民經(jīng)濟的快速發(fā)展，計算機技術和空間信息技術的不斷進步和普及，具有時間屬性并隨時間變化而變化的空間數(shù)據(jù)——時空數(shù)據(jù)的獲取量急速增加，形成了具有時空屬性的大數(shù)據(jù)[15]。這些數(shù)據(jù)流客觀存在，并被人為賦予地理編碼與時間標簽，從這個角度看，時空數(shù)據(jù)不僅是大數(shù)據(jù)的重要組成部分，更可被看成是大數(shù)據(jù)的基礎。因此，時空數(shù)據(jù)與信息的存儲與處理技術本身就是大數(shù)據(jù)存儲與處理技術，只是前者更多是關注于地學領域，而后者涵蓋幾乎所有領域。

相比于傳統(tǒng)空間數(shù)據(jù)，時空數(shù)據(jù)更加復雜和多樣。它描述了研究對象隨時間變化的運動軌跡，記錄了對象的空間屬性和時間屬性，即“動態(tài)”的發(fā)展過程，具有數(shù)據(jù)量龐大、非線性以及時變等特征[16]。時空大數(shù)據(jù)被廣泛地應用在國防、工業(yè)、農(nóng)業(yè)、交通、氣象等方面，如分析隨時間變化的車輛運行狀況和人流的移動規(guī)律所產(chǎn)生的時空數(shù)據(jù)，有助于改善交通狀況，如圖1所示。

圖1 時空大數(shù)據(jù)的應用

時空數(shù)據(jù)形式多樣，價值巨大，具有空間性、時間性、多維性、海量性、復雜性和不確定性等特點。這些數(shù)據(jù)雖然極大地拓寬了人類可利用的數(shù)據(jù)范圍，但數(shù)量的激增和數(shù)據(jù)本身的一些不足，也極大地影響了數(shù)據(jù)的價值發(fā)現(xiàn)，如垃圾多、污染重、利用難等。要提高這些數(shù)據(jù)的單位價值，就不得不進一步發(fā)展數(shù)據(jù)挖掘等技術。

2 傳統(tǒng)空間數(shù)據(jù)挖掘存在的問題

空間數(shù)據(jù)挖掘所用理論方法的好壞直接影響到所發(fā)現(xiàn)知識的質(zhì)量。可用的理論方法主要有確定集合論、擴展集合論、仿生學方法、可視化、決策樹等，其中包括：概率論、證據(jù)理論、空間統(tǒng)計學、規(guī)則歸納、聚類分析、空間分析、神經(jīng)網(wǎng)絡、遺傳算法等[9]。經(jīng)過多年研究，上述理論和算法都取得了很大的進展，但也存在一些問題：

1）目前多數(shù)的空間數(shù)據(jù)挖掘算法都是由傳統(tǒng)的數(shù)據(jù)挖掘算法移植而來，并沒有考慮空間數(shù)據(jù)與一般數(shù)據(jù)在存儲、處理和特性等方面的區(qū)別，如面對高維海量的空間數(shù)據(jù)，目前的GIS不足以描述空間要素的多維信息結構，不能方便地進行多維信息的空間概括性分析，而且挖掘效率很低，因此采用傳統(tǒng)算法往往會對空間數(shù)據(jù)和空間對象的利用不足，收不到良好的挖掘效果。

2）被污染的空間數(shù)據(jù)會直接影響空間數(shù)據(jù)挖掘，使其不能提供可靠的知識、優(yōu)質(zhì)的服務和決策支持。但實際上，從現(xiàn)實世界采集的數(shù)據(jù)絕大多數(shù)都是有污染的。無論采用什么方式獲取的空間數(shù)據(jù)，都無可避免的存在一些問題或錯誤。如何減少受污染的數(shù)據(jù)對最終挖掘結果的影響，一直都是空間數(shù)據(jù)挖掘需要面臨的重要問題。

3）空間數(shù)據(jù)具有明顯的不確定性。這主要是由數(shù)據(jù)采樣、數(shù)據(jù)模型抽象、空間概念和空間數(shù)據(jù)轉(zhuǎn)換導致的[9]。當前的空間數(shù)據(jù)挖掘算法一般都是基于確定集合理論研究確定數(shù)據(jù)，也有一些對空間數(shù)據(jù)不確定性的研究，但主要是針對空間位置的不確定性，對數(shù)據(jù)本身的不確定性研究還顯不足。

4）目前的空間數(shù)據(jù)挖掘技術還缺少適當?shù)目臻g知識表達方法[9]。一般來說，對空間數(shù)據(jù)挖掘獲得的知識的最好的表達方法是自然語言。但是，如何用定性的自然語言來較為準確地描述定量的數(shù)值之間的關系呢？如何描述知識發(fā)現(xiàn)中的支持度、置信度、強弱規(guī)則等專業(yè)名詞呢？如何描述不確定的空間數(shù)據(jù)的隨機性和模糊性呢？這些都是亟待解決的問題。

5）空間數(shù)據(jù)挖掘產(chǎn)生的所有模式并非都是用戶需要的。因此需要一種技術來評估基于主觀度量所發(fā)現(xiàn)的模式的興趣度。這種評估根據(jù)給定用戶類，基于用戶的確信或期望，評估模式的價值。此外，通過使用興趣度度量或用戶指定的約束指導發(fā)現(xiàn)過程，也可更快更好地獲得用戶感興趣的模式。

6）空間數(shù)據(jù)挖掘能為科學發(fā)展、商業(yè)管理、政府決策等活動提供有效的幫助，但也帶來了泄露信息的風險。如何在保護空間數(shù)據(jù)隱私的前提下，進行成功的空間數(shù)據(jù)挖掘，也是目前空間數(shù)據(jù)挖掘面臨的一大問題。

除了上述典型問題之外，空間數(shù)據(jù)挖掘還存在其他問題，如空間數(shù)據(jù)挖掘的智能化。畢竟無法要求每個人都學習和掌握空間數(shù)據(jù)挖掘技術，特別是在大數(shù)據(jù)時代下，空間數(shù)據(jù)挖掘面對海量的數(shù)據(jù)，要繼續(xù)以往的輝煌，還需要研究者們更大的努力。

3 大數(shù)據(jù)時代空間數(shù)據(jù)挖掘進展

如何充分利用大數(shù)據(jù)，已成為當代一個新的熱點問題，空間大數(shù)據(jù)挖掘應運而生。它是體現(xiàn)大數(shù)據(jù)價值、充分利用大數(shù)據(jù)的基礎技術，可從大數(shù)據(jù)中提取信息，從信息中發(fā)現(xiàn)有價值的知識，讓大數(shù)據(jù)為社會發(fā)展發(fā)揮更大的作用。

舍恩伯格和庫克耶曾指出，在大數(shù)據(jù)時代，分析信息時面臨的第一個轉(zhuǎn)變就是我們有遠超以往數(shù)據(jù)量的更多的數(shù)據(jù)用來分析，甚至擁有與某個特別現(xiàn)象相關的所有數(shù)據(jù)，而不再依賴于隨機采樣[7]。那么，如果想更快地分析更多的數(shù)據(jù)，選擇優(yōu)化的并行算法，并采用適合海量數(shù)據(jù)處理的平臺，就成為人們目前最佳的選擇。

3.1 傳統(tǒng)空間數(shù)據(jù)挖掘研究進展

近年來，針對傳統(tǒng)空間數(shù)據(jù)挖掘存在的問題，很多學者提出了新的有效方法。陳銘[17]提出了一種基于相似維的高維子空間聚類方法SDSCA——首先刪除原高維數(shù)據(jù)空間中的冗余屬性，然后運用相似維來尋找彼此相似的屬性，最后在這些相似屬性所形成的子空間上運用傳統(tǒng)聚類算法進行聚類。石亞冰[18]等針對傳統(tǒng)空間聚類算法K-means“對初始種子選取的依賴性過大，也容易陷入局部極小解”的缺點，提出了一種綜合考慮空間數(shù)據(jù)對象特點的基于最大維密度選擇方案的K-means優(yōu)化算法，很好地消除了聚類結果的波動性，同時也較客觀地呈現(xiàn)了空間對象的分布規(guī)律。

針對空間數(shù)據(jù)和空間數(shù)據(jù)挖掘的不確定性，何彬彬[19]等以EM和Apriori算法為基礎，將空間數(shù)據(jù)和空間數(shù)據(jù)挖掘的不確定性進行結合，提出了一種新的挖掘算法模型，提高了挖掘的真實性和客觀性。

空間數(shù)據(jù)清理是空間數(shù)據(jù)挖掘的重要工作之一。根據(jù)空間數(shù)據(jù)清理的實際特點，Kim W[20]等提出了處理由未知屬性值造成的數(shù)據(jù)噪聲的方法。徐揚[21]等提出了一種針對重復數(shù)據(jù)的清理方法：先對所有記錄按照預先指定的屬性項進行排序，然后比較排序數(shù)據(jù)，從而檢查出重復記錄的方法。

陳霞[22]和陳桂芬等利用時序算法和可視化技術，充分挖掘了大量農(nóng)業(yè)數(shù)據(jù)中的價值，為農(nóng)作物的種植提供有力的決策依據(jù)，并為空間數(shù)據(jù)挖掘的利用提出了一個新的思路。

自從1999年Rakesh Aggrawal在KDD會議上提出將“隱私保護數(shù)據(jù)挖掘”作為數(shù)據(jù)挖掘領域未來研究的重點之一以來，數(shù)據(jù)挖掘中的隱私保護已成為一個研究熱點，特別是針對高維數(shù)據(jù)進行的挖掘。Nergiz M E[23]等提出了用于應對高維問題的基于聚類的MiRaCle匿名算法，該算法是基于對多關系K-匿名數(shù)據(jù)庫的嚴格假定，它匿名的過程比傳統(tǒng)方法高效。Ghinita G[24]等提出了多維數(shù)據(jù)的l-多樣性的匿名算法，能夠保證每個事物具有不同的準標志屬性和敏感值，防止高維數(shù)據(jù)在隱私保護時可能的信息丟失，也能保持準標志屬性和敏感值間的關系。針對稀疏多維數(shù)據(jù)，Terrovitis M等提出了Km匿名方法——從具備部分敏感值的數(shù)據(jù)中保護數(shù)據(jù)，其信息丟失也較少[25-26]。

總之，傳統(tǒng)的空間數(shù)據(jù)挖掘雖然在大數(shù)據(jù)時代遇到了新的挑戰(zhàn)，但仍然有著重要的研究意義，仍然是獲取數(shù)據(jù)價值的最有效途徑之一。

3.2 基于云計算的空間大數(shù)據(jù)挖掘研究進展

面對海量的數(shù)據(jù)，除了優(yōu)化傳統(tǒng)的空間數(shù)據(jù)挖掘算法，提高空間數(shù)據(jù)質(zhì)量以外，采用專門處理大數(shù)據(jù)的平臺也是一個重要的選擇，這就必須提到云計算。云計算是一種可以提供更強大的處理能力、更廉價的處理條件的完善系統(tǒng)。基于云計算的數(shù)據(jù)挖掘系統(tǒng)，可以透明地為用戶服務；用戶不需要了解系統(tǒng)運行原理與過程，也不需要擔心系統(tǒng)的存儲和安全問題，只需要知道選擇合適的算法，就可以獲得有價值的知識。圖2是基于云計算的海量數(shù)據(jù)挖掘服務的層次結構圖[27]。

圖2 基于云計算的海量數(shù)據(jù)挖掘服務的層次結構圖

1）基于云計算的數(shù)據(jù)挖掘系統(tǒng)研究。中國科學院計算技術研究所開發(fā)的PDMiner是目前國內(nèi)最早的基于云計算平臺Hadoop的并行數(shù)據(jù)挖掘系統(tǒng)平臺。它實現(xiàn)了各種并行數(shù)據(jù)挖掘算法，如數(shù)據(jù)預處理、關聯(lián)規(guī)則分析以及分類、聚類等算法；能夠處理大規(guī)模數(shù)據(jù)集；整合了已有的計算資源，提高了計算資源的利用效率[28]。中國移動研究院早在2007年就開始了云計算平臺下數(shù)據(jù)挖掘系統(tǒng)的研究，啟動了“大云”的研發(fā)工作；并研發(fā)出基于Hadoop的并行數(shù)據(jù)挖掘工具——BC-PDM。廈門大學數(shù)據(jù)挖掘研究中心與臺灣銘傳大學資訊工程系、中華資料采礦協(xié)會合作開發(fā)了云端數(shù)據(jù)挖掘決策系統(tǒng)MCU Smart Score，它是一套基于云計算的數(shù)據(jù)挖掘決策支持系統(tǒng)。Weka是由Waikato大學開發(fā)的基于Java語言的數(shù)據(jù)挖掘平臺，它集成了適合數(shù)據(jù)挖掘的當今最新的機器學習算法（如分類、聚類、關聯(lián)規(guī)則、回歸等）和數(shù)據(jù)預處理工具，在兼容性和可擴展性方面有獨特的優(yōu)勢[29-30]。Apache Mahout是全新的開源項目數(shù)據(jù)挖掘平臺，主要包括推薦、聚類、分類3部分，并可通過使用Apache Hadoop 庫有效地擴展到云中[31-32]。

2）基于云計算的數(shù)據(jù)挖掘算法研究。目前國內(nèi)外針對基于云計算的數(shù)據(jù)挖掘算法的研究較多。例如，首都師范大學周麗娟教授[33]等提出的云計算環(huán)境下的基于復合鏈表挖掘的并行FP-Growth算法。該算法在傳統(tǒng)的FP-Growth算法基礎上進行了優(yōu)化，一定程度上解決了傳統(tǒng)FP-Growth算法的性能瓶頸，實現(xiàn)了更高的效率和更好的擴展性。信息工程大學的李宏偉教授[34]等則用到了概念格的理論，提出了一種基于概念格的已知空間依賴剔除策略。該策略實現(xiàn)了對冗余規(guī)則和已知空間依賴的有效剔除。CAO X J[35]利用MapReduce計算框架，并結合粒計算，實現(xiàn)了關聯(lián)規(guī)則挖掘的算法。林長方[36]等針對關聯(lián)規(guī)則典型算法Apriori提出了基于MapReduce框架的簡單并行算法，并在該算法的基礎上，提出了一種采用固定多階段結合挖掘策略的改進算法。

4 結 語

大數(shù)據(jù)已成為政策界和學術界最火熱的名詞之一，不過也有專家對大數(shù)據(jù)的火熱提出了質(zhì)疑，如清華大學的王程韡[37]通過引入反事實思想實驗提出大數(shù)據(jù)虛熱的判斷。不過無可置疑的是，當今世界對大數(shù)據(jù)的普遍認知為：大數(shù)據(jù)確實開啟了一次重大的時代轉(zhuǎn)型，它正在改變我們的生活。正如格雷所說，大數(shù)據(jù)是代表著“大趨勢”的科學研究“第四范式”[38]。在大數(shù)據(jù)時代，傳統(tǒng)的空間數(shù)據(jù)挖掘技術面對海量的數(shù)據(jù)，要想實現(xiàn)從“無窮”的數(shù)據(jù)中發(fā)現(xiàn)有價值的知識，需要從理論、算法和云平臺等方面做出巨大的改善。

[1] 阿爾文·托勒夫．第三次浪潮[M]．黃明堅譯．北京:中信出版社,2006

[2] Nature． Big Data[EB/OL]．http://www．nature．com/news/ specials/bigdata/index．html,2015-03-01/2015-09-15

[3] McKinsey Global Institute． 2011 Big Data: The Next Frontier for Innovation, Competition, and Productivity[R]．2011

[4] IBM-InfoSphere平臺-中國[EB/OL]． http://www-01．ibm．com/ software/cn/data/infosphere/?re=masthead, 2015-03-01/2015-09-15

[5] The White House Office of Science and Technology Policy．Fact Sheet: Big Data Across the Federal Government[R]． 2012

[6] 胡雄偉,張寶林,李抵飛．大數(shù)據(jù)研究與應用綜述(上)[J]．標準科學,2013(9):29-34

[7] 維克托·邁爾·舍恩伯格,肯尼思·庫克耶．大數(shù)據(jù)時代:生活、工作與思維的大變革[M]．盛楊燕,周濤譯．杭州: 浙江人民出版社,2012

[8] 王樹良,丁剛毅,鐘鳴．大數(shù)據(jù)下的空間數(shù)據(jù)挖掘思考[J]．中國電子科學研究院學報,2013,2(1):8-17

[9] 李德仁,王樹良,李德毅．空間數(shù)據(jù)挖掘理論與應用(第二版)[M]．北京:科學出版社,2013

[10] Graham Rowe D, Goldston D, Doctorow C, et a1．Big Data: Science in the Petabyte Ara[J]．Nature,2008,455(7209):8-9

[11] JI C Q,LI Y, QIU W M, et al． Big Data Processing in Cloud Computing Environments[C]//Proc of the 12th International Symposium on Pervasive Systems, Algorithms and Networks, 2012:17-23

[12] Gantz J, Reinsel D． Extracting Value from Chaos [EB/OL]．http:// www．emc．com/collateral/analyst-reports/idc-extractingvalue-from-chaos-ar．pdf,2010/ 2015-03-01

[13] Densham P J, Goodchild M F． Spatial Decision Support Systems: a Research Agenda[C]//Proceedings GIS/LIS'89, Orlando, FL, 1989:707-716

[14] Shekhar S, XIONG H． Encyclopedia of GIS[M]． New York: Springer, 2007

[15] LI X, CHENG G D, LIU S M, et al． Heihe Watershed Allied Telemetry Experimental Research (HiWATER)[J]． Bulletin of American Meteorological Society,2013,94(8):10

[16] 曹聞．時空數(shù)據(jù)模型及其應用研究[D]．鄭州:信息工程大學,2011

[17] 陳銘．高維聚類算法研究[D]．南京:南京師范大學,2011

[18] 石亞冰,元昌安,覃曉,等．基于最大維密度的全局優(yōu)化空間聚類算法[J]．計算機仿真,2013,30(3):277-280

[19] 何彬彬,方濤,郭達志．不確定性空間數(shù)據(jù)挖掘算法模型[J]．中國礦業(yè)大學學報,2007,36(1):121-125

[20] Kim W, Choi B J, HONG E K, et al． A Taxonomy of Dirty Data[J]．Data Mining and Knowledge Discovery,2003(7):81-99

[21] 徐揚,馮克忠,馬亞明． 空間數(shù)據(jù)重復記錄的清理方法研究[J]．測繪科學,2008,33(6):125-126

[22] 陳霞．基于時序算法的可視化空間數(shù)據(jù)挖掘研究與應用[D]．長春:吉林農(nóng)業(yè)大學,2012

[23] Nergiz M E, Clifton C, Nergiz A E． MultiRelational K-anonymity[C]//Proc of the 23rd IEEE International Conference on Data Engineering,2007:1 417-1 421

[24] Ghinita G, TAO Y F, Kalnis P．On the Anonymization of Spare High-dimensional Data[C]//Proc of the 24th International Conference on Data Engineering,2008:715-724

[25] Terrovitis M, Mamoulisn, Kalnis P． Privacy Preservation in the Publication of Spare Multidimensional Data[M]． London: Taylor and Francis Group,2011:35-56

[26] 張海濤,黃慧慧,徐亮,等．隱私保護數(shù)據(jù)挖掘研究進展[J]．計算機應用研究,2013,30(12):3 549-3 535

[27] 賀瑤,王文慶,薛飛．基于云計算的海量數(shù)據(jù)挖掘研究[J]．計算機技術與發(fā)展,2013(2):69-72

[28] 何清,莊福振,曾立,等． PDMiner:基于云計算的并行分布式數(shù)據(jù)挖掘工具平臺[J]．中國科學:信息科學,2014(7):871-885

[29] Hall M, Frank E, Holmes G, et al． The WEKA Data Mining Software: an Update[J]． ACM SIGKDD Explorations,2009, 11(1):10-18

[30] Witten I H Frank E． Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations[M]．Morgan Kaufman'2003

[31] 朱倩,錢立．基于Mahout的推薦系統(tǒng)的分析與設計[J]．科技通報,2013,29(6):35-36

[32] 馬寧．基于Mahout的推薦系統(tǒng)的研究與實現(xiàn)[D]．蘭州:蘭州大學,2013

[33] 周麗娟,王翔．云環(huán)境下關聯(lián)規(guī)則算法的研究[J]．計算機工程與設計,2014,35(2):499-503

[34] 李宏偉,陳虎,王振宇,等．基于概念格的空間關聯(lián)規(guī)則挖掘優(yōu)化[J]．測繪科學技術學報,2013,30(3):304-307

[35] CAO X J． An Algorithm of Mining Association Rules Based on Granular Computing[J]． Physics Procardia,2012,33:1 248-1 253

[36] 林長方,吳揚揚,黃仲開,等．基于MapReduce的Apriori算法并行化[J]．江南大學學報,2014,13(4):411-415

[37] 王程韡．“大數(shù)據(jù)”是“大趨勢”嗎:基于關鍵詞共現(xiàn)方法的反事實分析[J]．科學學與科學技術管理,2015,36(1):3-11

[38] 潘教峰,張曉林． 第四范式:數(shù)據(jù)密集型科學發(fā)現(xiàn)[M]．北京:科學出版社,2012

P208

B

1672-4623（2017）01-0008-04

10.3969/j.issn.1672-4623.2017.01.003

杜江毅，博士研究生，研究方向為空間數(shù)據(jù)挖掘、云計算。

2015-10-20。

項目來源：國家自然科學基金青年基金資助項目（41301371）。