第三世界渔业大会:学报》与鱼养活世界在未来Millenium-BOB国际体育The生产和环境之间的平衡

从海洋渔业中提取时空模式的数据集使用空间聚类分析在中国东海

Yunyan杜、周陈虎少将Quanqin邵,Fenzhen苏,声望

doi:https://doi.org/10.47886/9781888569551.ch51

自1980年代中期以来,地理信息系统的关系(GISs)已经从地理数据库空间分析与新技术的发展和应用,并在GISs强大的空间分析功能的需求急剧增加(郭1997)。以前的空间分析功能以前主要关注基于几何理论的GIS图形技术和地形,如覆盖和缓冲区,并为知识型GISs很穷。

两个分支在这个领域正在形成:GIS和空间分析的结合,其中奥彭肖Goodchild代表,在地理信息系统和空间数据挖掘,加威汉和李Deren代表。前看一些实际研究空间分析和GIS的集成,等潜在优势发展集成(费舍尔1994)。后者主要关注数据挖掘的应用在GIS空间数据库中知识发现的角度来看。Koperski et al。(1996)指出,“矿山空间数据的方法应结合先进的空间数据库,以及统计分析、空间推理和专家系统技术,建立智能GIS系统”(Fotheringham和罗杰森1994)。

因为地理现象的复杂性和不确定性,存在一些问题在数据捕获的绝对定量方法,应用程序,和解释的结果;需要专家知识结合地理分析。传统的基于符号推理的专家系统方法很难应用在实践中由于缺乏知识数据获取和更新(1999张)。象征智能正朝着计算智能在人工智能领域。同时,从数据挖掘的角度来看,探索性(统计)和数学模型中数据的空间分析都可以被认为是数据挖掘的来源。因此,在这方面,两个研究分支是相似的。

海洋,因为它的大部分地区和调查方法的局限性和困难,不能直到最近认识一个特殊的领域。目前数值模拟方法不适合一些海洋过程或现象无法理解的机制。因为数据挖掘和知识发现的最终目标是发现隐藏的模式或趋势复杂的信息来源(Deekshatulu等人留言。),数据挖掘工具适用于发现知识的海洋数据集。在这篇文章中,海洋渔业之间的定量关系和相应的环境因素给出基于数据挖掘和GIS的结合。时空模式已经从渔业生产力的时间序列统计数据中提取和相应的环境因素在中国东海(24-36˚N, 118.5 -130˚E)从1987年到1998年使用空间isodata聚类算法和GIS制图技术细节。

聚类分析是统计学的一个分支,已经被广泛的研究了许多年。使用这种技术的主要优势是可以找到有趣的结构或集群直接从数据没有任何背景知识(陈1998)。最近,数据挖掘概念的形成和结构,聚类分析也成为视为一个数据挖掘工具。空间聚类分析是一种从数据集挖掘知识的空间位置。与传统集群方法只考虑归因分析地理数据时,单一空间集群只考虑位置在计算样本的距离。这两种情况不能用于实际应用郭(1997)。