什么是高维数据？

高维数据的解答如下：

平时经常接触的是一维数据或者可以写成表形式的二维数据。

高维数据也可以类推，不过维数较高的时候，直观表示很难。

高维数据挖掘是基于高维度的一种数据挖掘，它和传统的数据挖掘最主要的区别在于它的高维度。高维数据挖掘已成为数据挖掘的重点和难点。随着技术的进步使得数据收集变得越来越容易，导致数据库规模越来越大、复杂性越来越高，如各种类型的贸易交易数据、Web 文档、基因表达数据、文档词频数据、用户评分数据、WEB使用数据及多媒体数据等，它们的维度（属性）通常可以达到成百上千维，甚至更高。

问题一：基金项目的研究基础一栏怎么写？ :cry:lyjjie1(站内联系TA)当然要写你关于这个课题前期的研究情况了，有什么研究的成果，包括发表和录用论文，把你以前做的特色和贡献描述出来，论文的引用情况等等。最好有吸引研究的地方，让专家一看，就能感觉到你的基础很好。yangjl7602(站内联系TA)我的也没发表，也写在本子里了chengziyy(站内联系TA)Originally posted by yindc at 2011-01-21 09:27:30:本人博士刚毕业，博士期间的论文已经接受但还未见刊正式发表，在基金研究基础这方面怎样填写？我写的基金项目的内容是博士研究的延伸，关联性很强。请虫友给予指点！ 如果论文录用了，是国际期刊，一般都有DOI的，你把这个附上去，应该没有问题的。反正我去年就是这么写的。bluebluerain(站内联系TA)看基金委要求是只写已发表的看基金委要求是只写已发表的结题报告撰写指南里面是这么写的。 我们说的是申请书，还没到结题报告那一步啊suchanghong(站内联系TA)有DOI号就行。douhao1212(站内联系TA)晕的，都还没申请下来，就考虑结题了。。。。。:D

问题二：课题的研究基础怎么写 把计划研究的课题、如何研究、理论适用等主要问题说清楚，一般应该包含一下几个部分：总述、提纲、参考文献、写作方法、进度安排。

问题三：研究课题怎么写 一、课题的提出：

提出一个研究课题，一般是从背景、现状和基础（或说从重要性、必要性和可能性）等三个方面去思考的。

1．背景：即我们所面对的发展了的教育形势、新的教育观念、思想、要求或教学理念、方法、手段等，对教学工作实际产生了重要影响。

2．现状：本地区、本单位教育、教学工作的实际状况与变化了的教育背景存在着的差异中，我们必须及时加以研究和解决的最急切的问题。

3．基础：对这方面的问题课题组成员或他人所作的探索性研究，已经取得的初步研究成果。

二、概念的界定：

指主课题（有时也包括某些子课题）名称中容易产生异议的一些重要词语的内涵，课题研究涉及的范围等。

注意：不必阐述课题研究的重要观点。

三、理论基础：

课题研究试图借鉴、应用的主要理论、学说、观点、原理，从而得出支撑本课题研究的主要研究思想和教学理念。

四、主要研究目标和内容：

通过本课题的研究试图达到的主要研究目标（课题的假设），以及主课题分解为哪几个子课题，每个子课题的具体研究任务。课题的研究目的与子课题之间应具有较合理、紧密的逻辑关系。各子课题的研究能比较完整地表明主课题的研究框架，这些子课题既相对独立，又互有联系，并有较强的可 *** 作性，能为课题组的成员落实于教育、教学的实践之中。

五、主要研究方法和研究对象：

1．研究方法：主要有文献资料法、行动研究法、调查研究法、个案研究法、经验总结法等，还可以运用数理统计法、检测分析法、跟踪比较法、结构功能法、观察法、追因法、归因法、历史法、实验法等研究方法加以辅助。要说明准备怎样充分发挥所采用的研究方法的工具性作用，为本课题（或某子课题）的研究服务。

2．研究对象一般是指人，大多是指学生，也有的是指教师。要说清楚研究的是本单位的全体学生还是某一部分学生（或教师）。

六、课题研究的成果形式：

一般包括课题研究结题报告、论文集、优秀教案或活动设计汇编、个案汇编、观摩课（课件、光盘）、学生作品集、教师论文发表或获奖情况汇总等等；

七、课题组的成员组成及分工：

课题组成员应包括课题负责人、子课题责任人、参与研究的一线教师。对外聘的指导、顾问等人员应视他们所承担责任、义务大小、多少，作不同的具体处理。

课题组成员应分别负责或兼任策划、组织、协调、统筹、管理、研究、指导、顾问工作。

八、实施步骤：

1． 前期准备阶段:

确立主课题，构建子课题；组建课题组，明确分工职责；建立、健全学习交流制度；完成论证、申报工作；制定主课题实施方案和子课题工作计划；进行必要的前期调查或检测。

2．

研究实施阶段：可分为研究实施的第一阶段、第二阶段，按实施方案进行研究，其间可安排一次中期汇报。中期汇报不图形式上的轰轰烈烈，要讲究实际效果，要通过中期汇报让课题组成员看到研究的初步成果，发现存在的不足或问题，明确下阶段的研究任务，然后调整实施方案，修订子课题的工作计划，使后阶段的研究不偏离方向，为课题顺利结题奠定良好的基础。

3． 结题鉴定阶段：完成结题报告的撰写和资料汇编工作，为成果鉴定做好充分准备。

问题四：开题报告研究基础怎么写 对的，研究工作基础就是指工作单位现有的硬件条件和你本身具有的软件条件。具体来说，硬件条件是指试验设备装置以及各种分析测试设备。软件条件是就是自己的知识积累，经验等等。比如你做过什么项目，得到什么成果。

问题五：课题研究的基础是什么 专业知识和联想力

问题六：课题研究基础 课题研究基础 课题组从2000年起就着手于大学数学课程教学内容与课程体系改革的研究与实践相关内容的研究，并立了国家级、省级等各级相关课题。

国家“十五”重点立项课题（4项）：

1．高等数学教学内容和课程体系结构的改革

2．线性代数教学内容和课程体系结构的改革

3．农林类数学实验与数学建模课程的改革

4．农林类数学理论与实验课程结合的研究与实践

辽宁省十五规划课题（2项）：

5．高等农业院校数学课程教学内容、教学方法及现代化教学手段的研究

6．农业院校大学数学课程教学内容、课程体系和教学手段的研究与实践

校级课题（5项）：

7．高等数学CAI课件的开发

8．数学建模思想在课堂教学中的应用

9．沈阳农业大学部分专业数学系列课程体系的改革

10．数学教学与素质教育的有效结合―数学模型

11．数学建模教学与高等农业教育创新人才培养的研究

课程组对各级课题进行了一系列的研究，取得了一定的成果。其中，课题“高等数学CAI课件的开发”2001年获沈阳农业大学优秀教学成果奖；“高等数学CAI课件” 2001年获全国高等农业院校第五届多媒体课件三等奖，2003年获沈阳农业大学首届优秀多媒体教学课件一等奖；课题“高等农业院校数学课程教学内容、教学方法及现代化教学手段的研究”2004年获辽宁省首批教育科学优秀成果三等奖；课题“农业院校大学数学课程教学内容、课程体系和教学手段的研究与实践”2006年获辽宁省“十五”教育科学优秀成果三等奖；课题“大学数学课程教学内容与课程体系改革的研究与实践”2009年获辽宁省高等教育教学成果一等奖、2008年获沈阳农业大学教育教学成果一等奖；课题“数学教学与素质教育的有效结合―数学建模”2008年获沈阳农业大学教育教学成果三等奖；“概率论CAI课件”2005年获校中、青年教师现代教育技术应用演示赛三等奖。

几年来，课程组在农业院校大学数学课程教学内容与课程体系改革的研究与实践方面做了大量的研究，取得了显著成效。为了适应新的专业调整，构建新的课程体系和内容，2005年申请了校级教学研究课题“大学数学课程教学内容与课程体系改革的研究与实践”。课题组成员多年来从事基础数学及应用数学方面的研究，在数学建模、软件开发及数据分析处理等方面卓有成效。课题组成员历时多年，完成了背景研究、课程内容的研究、教学方法和现代化教学手段的研究、数学建模的研究、实践教学的研究，发表了相关研究论文，同时完成了数学课系列教材、实验实习指导书和教学大纲的编写。

近几年，学校加大教学改革的力度，资助一批教学改革课题，每年至少2次对课题的研究进展情况进行检查。学校为课题组提供多台高配置的计算机、多媒体教学网、扫描仪、数码相机、打印机等各外围设备，能够满足课题研究及程序设计的需要。该项目研究实施中所需工作环境及研究条件等，学校都大力支持。

问题七：申报项目时，没有研究基础怎么办 其实，一个普通的idea，平时随时都可以想到，但是99%可能都是前人想过的，甚至做过得。为什么自己会觉得是一个新idea? 我想主要原因还是因为自己看得比较少，读的论文比较少，知识面比较狭窄导致的。一般人要找一个现在没有前人完全没有想过的问题，同时又是有实际意义的新问题，是几乎不可能的。或许现实世界，特别是当代中国，大家太从崇拜传奇了，认为一个人只要聪明，脑袋灵光，不学无术都可以，只要灵光一现，就能解决前人大师都没解决的问题。而实际情况呢，恰恰相反。往往自以为自己聪明的人，都是最傻的人。最近做了一个多月的一个高维数据库空间索引方法，后来不断查阅论文，才发现，这种方法，早前10年多以前，就已经有不少人做过，甚至改进了很多。而我现在自己的想法，和前人的是如此地接近，类似。于是乎，我之前做的工作，基本上可以说是白费了，只是重复走了一遍别人在10多年前就走过的道路而已。现在总结一下，为什么这样子呢？首先一条，就是连要做的问题本质没有摸清楚，做了大半个月，连这个问题是不是属于空间索引技术都不清楚，查阅的文献方向也错误了，还满以为自己是第一个做这样的问题。当后来查阅空间索引类似的文章才发现，类似的K-D Tree,X-Tree等很多早在10年多以前就做出来了，而自己初步思想还没有别人这些前人想得完善。其次，自己掌握的知识面过于狭窄。说起来都不好意思，虽说自己是学数据挖掘的，可是现在公认的Top ten Data Mining Algorithms，自己真正掌握的，不到一半。还不要说2000年过后，诸多改进的，新环境下的新算法。而对于数据库，也仅限于课本上的基础知识。以前在MSRA听过Harry讲过《How to do research》，收益颇丰。其中说过，第一流的研究者是提出问题的人，第二流的研究者是解决问题的人，第三流的研究者是改善解决方法的人。我觉得对于我们这种小硕来说，应该首先争取做到合格的第三流研究者。先学会follow一些顶级学者的论文，而不要一来就自己提问题，然后自己解决。先把要看别人的文章，如何解决问题的，如何改进问题的，然后在这些顶尖学者的文章下，提出自己新的改进。最近每天都在不断阅读各种各样的论文，似乎有点感觉收获很大。感觉自己真的应该好好静心下来，读读课本，看看论文了。项目开发和学术研究的要平衡才行，自己之前过重于偏向项目开发，而忽略的基本的学术研究。这可能是之前比较喜欢做项目开发的原因吧。然而，最近读了不少论文，发觉自己也开始喜欢上做学术研究了，也喜欢看别人做的文章。到底将来走那条路呢？现在又开始模糊了。。。

问题八：一个项目的工作基础和条件指的是 5分 基础指的已有的硬件条件和软件条件，硬件条件是你开展课题所需要的实验设备，分析测试仪器等等；软件主要是你自己本身具有的才能，比如丰富的知识积累和实践经验，也可珐写导师的成果以及对你以后的帮助等等。

问题九：基金项目的研究基础一栏怎么写？ :cry:lyjjie1(站内联系TA)当然要写你关于这个课题前期的研究情况了，有什么研究的成果，包括发表和录用论文，把你以前做的特色和贡献描述出来，论文的引用情况等等。最好有吸引研究的地方，让专家一看，就能感觉到你的基础很好。yangjl7602(站内联系TA)我的也没发表，也写在本子里了chengziyy(站内联系TA)Originally posted by yindc at 2011-01-21 09:27:30:本人博士刚毕业，博士期间的论文已经接受但还未见刊正式发表，在基金研究基础这方面怎样填写？我写的基金项目的内容是博士研究的延伸，关联性很强。请虫友给予指点！ 如果论文录用了，是国际期刊，一般都有DOI的，你把这个附上去，应该没有问题的。反正我去年就是这么写的。bluebluerain(站内联系TA)看基金委要求是只写已发表的看基金委要求是只写已发表的结题报告撰写指南里面是这么写的。 我们说的是申请书，还没到结题报告那一步啊suchanghong(站内联系TA)有DOI号就行。douhao1212(站内联系TA)晕的，都还没申请下来，就考虑结题了。。。。。:D

问题十：课题的研究基础怎么写 把计划研究的课题、如何研究、理论适用等主要问题说清楚，一般应该包含一下几个部分：总述、提纲、参考文献、写作方法、进度安排。

引言

地理信息系统(Geographic Information System，简称GIS)是计算机科学、地理学、测量学、地图学等多门学科综合的技术[1]。GIS的基本技术是空间数据库、地图可视化及空间分析，而空间数据库是GIS的关键。空间数据挖掘技术作为当前数据库技术最活跃的分支与知识获取手段，在GIS中的应用推动着GIS朝智能化和集成化的方向发展。

1 空间数据库与空间数据挖掘技术的特点

随着数据库技术的不断发展和数据库管理系统的广泛应用，数据库中存储的数据量也在急剧增大，在这些海量数据的背后隐藏了很多具有决策意义的信息。但是，现今数据库的大多数应用仍然停留在查询、检索阶段，数据库中隐藏的丰富的知识远远没有得到充分的发掘和利用，数据库中数据的急剧增长和人们对数据库处理和理解的困难形成了强烈的反差，导致“人们被数据淹没，但却饥饿于知识”的现象。

空间数据库(数据仓库)中的空间数据除了其显式信息外，还具有丰富的隐含信息，如数字高程模型〔DEM或TIN〕，除了载荷高程信息外，还隐含了地质岩性与构造方面的信息；植物的种类是显式信息，但其中还隐含了气候的水平地带性和垂直地带性的信息，等等。这些隐含的信息只有通过数据挖掘才能显示出来。空间数据挖掘（Spatial Data Mining，简称SDM），或者称为从空间数据库中发现知识，是为了解决空间数据海量特性而扩展的一个新的数据挖掘的研究分支，是指从空间数据库中提取隐含的、用户感兴趣的空间或非空间的模式和普遍特征的过程[2]。由于SDM的对象主要是空间数据库，而空间数据库中不仅存储了空间事物或对象的几何数据、属性数据，而且存储了空间事物或对象之间的图形空间关系，因此其处理方法有别于一般的数据挖掘方法。SDM与传统的地学数据分析方法的本质区别在于SDM是在没有明确假设的前提下去挖掘信息、发现知识，挖掘出的知识应具有事先未知、有效和可实用3个特征。

空间数据挖掘技术需要综合数据挖掘技术与空间数据库技术，它可用于对空间数据的理解，对空间关系和空间与非空间关系的发现、空间知识库的构造以及空间数据库的重组和查询的优化等。

2 空间数据挖掘技术的主要方法及特点

常用的空间数据挖掘技术包括：序列分析、分类分析、预测、聚类分析、关联规则分析、时间序列分析、粗集方法及云理论等。本文从挖掘任务和挖掘方法的角度,着重介绍了分类分析、聚类分析和关联规则分析三种常用的重要的方法。

2.1、分类分析

分类在数据挖掘中是一项非常重要的任务，目前在商业上应用最多。分类的目的是学会一个分类函数或分类模型(也常常称作分类器)，该模型能把数据库中的数据项映射到给定类别中的某一个。分类和我们熟知的回归方法都可用于预测，两者的目的都是从历史数据纪录中自动推导出对给定数据的推广描述，从而能对未来数据进行预测。和回归方法不同的是，分类的输出是离散的类别值，而回归的输出则是连续的数值。二者常表现为一棵决策树，根据数据值从树根开始搜索，沿着数据满足的分支往上走，走到树叶就能确定类别。空间分类的规则实质是对给定数据对象集的抽象和概括，可用宏元组表示。

要构造分类器,需要有一个训练样本数据集作为输入。训练集由一组数据库记录或元组构成,每个元组是一个由特征(又称属性)值组成的特征向量,此外,训练样本还有一个类别标记。一个具体样本的形式可为:( v1, v2, ..., vnc )；其中vi表示字段值，c表示类别。

分类器的构造方法有统计方法、机器学习方法、神经网络方法等等。统计方法包括贝叶斯法和非参数法(近邻学习或基于事例的学习)，对应的知识表示是判别函数和原型事例。机器学习方法包括决策树法和规则归纳法，前者对应的表示为决策树或判别树，后者则一般为产生式规则。神经网络方法主要是反向传播（Back-Propagation,简称BP）算法，它的模型表示是前向反馈神经网络模型(由代表神经元的节点和代表联接权值的边组成的一种体系结构)，BP算法本质上是一种非线性判别函数[3]。另外，最近又兴起了一种新的方法:粗糙集(rough set)，其知识表示是产生式规则。

不同的分类器有不同的特点。有三种分类器评价或比较尺度：1) 预测准确度；2) 计算复杂度；3) 模型描述的简洁度。预测准确度是用得最多的一种比较尺度，特别是对于预测型分类任务，目前公认的方法是10番分层交叉验证法。计算复杂度依赖于具体的实现细节和硬件环境，在数据挖掘中，由于 *** 作对象是海量的数据库，因此空间和时间的复杂度问题将是非常重要的一个环节。对于描述型的分类任务，模型描述越简洁越受欢迎。例如，采用规则归纳法表示的分类器构造法就很有用，而神经网络方法产生的结果就难以理解。

另外要注意的是，分类的效果一般和数据的特点有关。有的数据噪声大，有的有缺值， 有的分布稀疏，有的字段或属性间相关性强，有的属性是离散的而有的是连续值或混合式的。目前普遍认为不存在某种方法能适合于各种特点的数据。

分类技术在实际应用非常重要，比如：可以根据房屋的地理位置决定房屋的档次等。

2. 2 聚类分析

聚类是指根据“物以类聚”的原理，将本身没有类别的样本聚集成不同的组，并且对每一个这样的组进行描述的过程。它的目的是使得属于同一个组的样本之间应该彼此相似，而不同组的样本应足够不相似。与分类分析不同，进行聚类前并不知道将要划分成几个组和什么样的组，也不知道根据哪些空间区分规则来定义组。其目的旨在发现空间实体的属性间的函数关系，挖掘的知识用以属性名为变量的数学方程来表示。聚类方法包括统计方法、机器学习方法、神经网络方法和面向数据库的方法。基于聚类分析方法的空间数据挖掘算法包括均值近似算法[4]、CLARANS、BIRCH、DBSCAN等算法。目前，对空间数据聚类分析方法的研究是一个热点。

对于空间数据，利用聚类分析方法，可以根据地理位置以及障碍物的存在情况自动地进行区域划分。例如，根据分布在不同地理位置的ATM机的情况将居民进行区域划分，根据这一信息，可以有效地进行ATM机的设置规划，避免浪费，同时也避免失掉每一个商机。

2.3 关联规则分析

关联规则分析主要用于发现不同事件之间的关联性，即一事物发生时，另一事物也经常发生。关联分析的重点在于快速发现那些有实用价值的关联发生的事件。其主要依据是：事件发生的概率和条件概率应该符合一定的统计意义。空间关联规则的形式是X－＞Y[S%，C%]，其中X、Y是空间或非空间谓词的集合，S%表示规则的支持度，C%表示规则的置信度。空间谓词的形式有3种：表示拓扑结构的谓词、表示空间方向的谓词和表示距离的谓词[5]。各种各样的空间谓词可以构成空间关联规则。如，距离信息（如Close_to(临近)、Far_away(远离)）、拓扑关系（Intersect（交）、Overlap（重叠）、Disjoin(分离)）和空间方位（如Right_of(右边)、West_of(西边)）。实际上大多数算法都是利用空间数据的关联特性改进其分类算法，使得它适合于挖掘空间数据中的相关性，从而可以根据一个空间实体而确定另一个空间实体的地理位置，有利于进行空间位置查询和重建空间实体等。大致算法可描述如下：(1)根据查询要求查找相关的空间数据；(2)利用临近等原则描述空间属性和特定属性；(3)根据最小支持度原则过滤不重要的数据；(4)运用其它手段对数据进一步提纯(如OVERLAY)；(5)生成关联规则。

关联规则通常可分为两种：布尔型的关联规则和多值关联规则。多值关联规则比较复杂，一种自然的想法是将它转换为布尔型关联规则，由于空间关联规则的挖掘需要在大量的空间对象中计算多种空间关系，因此其代价是很高的。—种逐步求精的挖掘优化方法可用于空间关联的分析，该方法首先用一种快速的算法粗略地对一个较大的数据集进行一次挖掘，然后在裁减过的数据集上用代价较高的算法进一步改进挖掘的质量。因为其代价非常高，所以空间的关联方法需要进一步的优化。

对于空间数据，利用关联规则分析，可以发现地理位置的关联性。例如，85%的靠近高速公路的大城镇与水相邻，或者发现通常与高尔夫球场相邻的对象是停车场等。

3 空间数据挖掘技术的研究方向

3.1 处理不同类型的数据

绝大多数数据库是关系型的，因此在关系数据库上有效地执行数据挖掘是至关重要的。但是在不同应用领域中存在各种数据和数据库，而且经常包含复杂的数据类型，例如结构数据、复杂对象、事务数据、历史数据等。由于数据类型的多样性和不同的数据挖掘目标，一个数据挖掘系统不可能处理各种数据。因此针对特定的数据类型，需要建立特定的数据挖掘系统。

3.2 数据挖掘算法的有效性和可测性

海量数据库通常有上百个属性和表及数百万个元组。GB数量级数据库已不鲜见，TB数量级数据库已经出现，高维大型数据库不仅增大了搜索空间，也增加了发现错误模式的可能性。因此必须利用领域知识降低维数，除去无关数据，从而提高算法效率。从一个大型空间数据库中抽取知识的算法必须高效、可测量，即数据挖掘算法的运行时间必须可预测，且可接受，指数和多项式复杂性的算法不具有实用价值。但当算法用有限数据为特定模型寻找适当参数时，有时也会导致物超所值，降低效率。

3.3 交互性用户界面

数据挖掘的结果应准确地描述数据挖掘的要求，并易于表达。从不同的角度考察发现的知识，并以不同形式表示，用高层次语言和图形界面表示数据挖掘要求和结果。目前许多知识发现系统和工具缺乏与用户的交互，难以有效利用领域知识。对此可以利用贝叶斯方法和演译数据库本身的演译能力发现知识。

3.4 在多抽象层上交互式挖掘知识

很难预测从数据库中会挖掘出什么样的知识，因此一个高层次的数据挖掘查询应作为进一步探询的线索。交互式挖掘使用户能交互地定义一个数据挖掘要求，深化数据挖掘过程，从不同角度灵活看待多抽象层上的数据挖掘结果。

3.5 从不同数据源挖掘信息

局域网、广域网以及Internet网将多个数据源联成一个大型分布、异构的数据库，从包含不同语义的格式化和非格式化数据中挖掘知识是对数据挖掘的一个挑战。数据挖掘可揭示大型异构数据库中存在的普通查询不能发现的知识。数据库的巨大规模、广泛分布及数据挖掘方法的计算复杂性，要求建立并行分布的数据挖掘。

3.6 私有性和安全性

数据挖掘能从不同角度、不同抽象层上看待数据，这将影响到数据挖掘的私有性和安全性。通过研究数据挖掘导致的数据非法侵入，可改进数据库安全方法，以避免信息泄漏。

3.7 和其它系统的集成

方法、功能单一的发现系统的适用范围必然受到一定的限制。要想在更广泛的领域发现知识，空间数据挖掘系统就应该是数据库、知识库、专家系统、决策支持系统、可视化工具、网络等技术的集成。

4 有待研究的问题

我们虽然在空间数据挖掘技术的研究和应用中取得了很大的成绩，但在一些理论及应用方面仍存在急需解决的问题。

4.1 数据访问的效率和可伸缩性

空间数据的复杂性和数据的大量性，TB数量级的数据库的出现，必然增大发现算法的搜索空间，增加了搜索的盲目性。如何有效的去除与任务无关的数据，降低问题的维数，设计出更加高效的挖掘算法对空间数据挖掘提出了巨大的挑战。

4.2 对当前一些GIS软件缺乏时间属性和静态存储的改进

由于数据挖掘的应用在很大的程度上涉及到时序关系，因此静态的数据存储严重妨碍了数据挖掘的应用。基于图层的计算模式、不同尺度空间数据之间的完全割裂也对空间数据挖掘设置了重重障碍。空间实体与属性数据之间的联系仅仅依赖于标识码，这种一维的连接方式无疑将丢失大量的连接信息，不能有效的表示多维和隐含的内在连接关系，这些都增加了数据挖掘计算的复杂度，极大地增加了数据准备阶段的工作量和人工干预的程度。

4.3 发现模式的精炼

当发现空间很大时会获得大量的结果，尽管有些是无关或没有意义的模式，这时可利用领域的知识进一步精炼发现的模式，从而得到有意义的知识。

在空间数据挖掘技术方面，重要的研究和应用的方向还包括：网络环境上的数据挖掘、栅格矢量一体化的挖掘、不确定性情况下的数据挖掘、分布式环境下的数据挖掘、数据挖掘查询语言和新的高效的挖掘算法等。

5 小结

随着GIS与数据挖掘及相关领域科学研究的不断发展，空间数据挖掘技术在广度和深度上的不断深入，在不久的将来，一个集成了挖掘技术的GIS、GPS、RS集成系统必将朝着智能化、网络化、全球化与大众化的方向发展。

---