面向大数据的时空数据挖掘综述 (2014年)
需积分: 45 92 浏览量
2021-04-24
18:02:42
上传
评论
收藏 296KB PDF 举报
第 3 7 卷第1 期 南京师大学报（自然科学版） V 5 37 No. 1
2014 年 3 月 JOU RNA L OF N AN JIN G N O R M A L U N IV E R S IT Y (N atura l Science Ed itio n) M ar, 2014
f 特约稿i
面向大数据的时空数据挖掘综述
吉根林，赵 斌
( 南京师范大学计算机科学与技术学院，江 苏 南 京 21002 3)
[摘要] 时空数据挖掘是数据挖掘领域的前沿研究课题，正致力于开发和应用新兴的计算技术来分析海量、高
维的时空数据，揭示时空数据中的有价值知识. 本文以时空大数据为背景，介绍数据挖掘技术产生的背景与发
展、时空数据挖掘的研究现状、研究内容、应用领域、面向大数据的时空数据挖掘系统架构以及实现技术，为相关
领域的研究者提供参考.
[关键词] 时空数据挖掘，时空大数据，时空模式发现，时空聚类，时空分类，时空异常检测
[ 中图分类号]TP181 [ 文献标志码]A [ 文章编号] 1001-4616(2014)01-0001-07
A Survey of Spatiotemporal Data Mining for Big Data
Ji Genlin，Zhao Bin
( School of Computer Science and Technology，Nanjing Normal University，Nanjing 210023，China)
Abstract ： Spatiotemporal data mining has emerged as an active research fie ld ，focusing on the development of computing
technologies for the extraction of useful information and knowledge from massive and complex spatiotemporal database.
This paper m ainly focuses on spatiotemporal data m ining for big data，introduces the background and development of data
m ining ，the recent theoretical and applied research progress in spatiotemporal data m ining ，and discusses the
infrastructure and technologies of spatiotemporal data m ining for big data.
Key words ： spatiotemporal data m ining ， spatiotemporal big data， spatiotemporal pattern m ining， spatiotemporal
clustering，spatiotemporal classification，spatiotemporal outlier detection
1 数据挖掘技术产生的背景与发展
数据挖掘（Data Mining，DM )是指从数据集合中提取人们感兴趣的知识，这些知识是隐含的、事先未知
的、潜在有用的信息’ 提取的知识一般可表示为概念（Concepts)、规则（Rules)、规律（Regularities)、模式
(Patterns)等形式. 1989年 8 月在美 国 底 特 律召开的第1 1 届国际人工智能会议上首先出现KDD
(Knowledge Discovery in Database)这个术语,1995年学术界和工业界共同成立了 ACM 数据挖掘与知识发
现专委会，并组织了国际数据挖掘与知识发现大会（ACM SIGKDD Conference on Knowledge Discovery and
Data Mining，K D D )，后者发展成为数据挖掘领域的顶级国际会议. 至 今 K D D 大会已连续举办19届，论文
的投稿量和参会人数呈现出逐年增加的趋势.在 KDD96国际会议上,Fayyad、Piatetsky-Shapiro和 Smyth将
D M 和 KD D 定义为:KDD 是指从数据库中发现知识的全部过程，Data Mining则是全部过程中的一个特定
步骤，通常两者没有明确界线，K D D 和 D M 均指从数据中挖掘知识的过程:n.数据挖掘是一门交叉性学
科，涉及到人工智能、机器学习、模式识别、归纳推理、统计学、数据库、高性能计算、数据可视化等多种技
术. 随着各行业对大规模数据处理和深度分析需求的快速增长，数据挖掘已成为一个引起学术界和工业界
重视、具有广泛应用需求的热门研究领域.
收稿日期=2013-08-10.
基金项目：国家自然科学基金(40871176).
通讯联系人:吉根林，博士，教授，博士生导师，研究方向:数据挖掘与云计算. E-mail ： glji@ njnu. edu. cn
—— 1 ——
资源评论
