数据空间自相关性对关联规则的挖掘与实验分析

传统的空间关联规则挖掘,一般是使用属性关联规则的挖掘算法,对空间数据进行泛化处理,不考虑空间数据的空间自相关性,也没有考虑空间自相关与空间关联规则的关系。本文运用改进的Apriori算法对某一数据进行空间关联规则挖掘,并对同一数据进行空间自相关分析,比较两种方法反映的属性的相关性,探讨了数据的空间自相关性对空间关联规则挖掘的影响。论文采用2000年英国的HAYFEVE患病数据集和当时的气温、降雨数据作为实验数据。采用两种方法处理相同的数据集,即Apriori方法和空间自相关方法,发现二者的结果中所得的一项关联规则和二项关联规则一致,证明了通过研究数据的空间自相关性也能获得准确的关联规则,且数据的空间自相关性对关联规则的挖掘存在作用和影响。如何定量度量一元空间自相关对空间关联规则的影响,以及利用二元空间自相关结果作为空间关联规则候挖掘的候选频繁项集,进而提高挖掘效率是本文的进一步工作。