数据挖掘

数据挖掘Data Mining就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。这些数据可以是结构化的如关系数据库中的数据，也可以是半结构化的，如文本，图形，图像数据，甚至是分布在网络上的异构型数据。发现知识的方法可以是数学的，也可以是非数学的，可以是演绎的，也可以是归纳的。一些人把数据挖掘视为“数据中的知识发现（KDD）”的同义词，而另一些人只是把数据挖掘视为知识发现过程的一个基本步骤！

空间数据挖掘

Gis具有空间概念，Gis的数据挖掘是基于空间的数据挖掘，空间数据挖掘要比数据挖掘更复杂，空间数据挖掘比数据挖掘的状态空间增加了尺度维，空间数据挖掘的空间知识主要包括空间关联规则，空间分布特征，空间分类，空间聚类等常规模式和例外模式。空间数据挖掘主要的实现方法有：空间聚类方法、空间分析方法、探测性数据分析、Rough集方法、云理论、图像分析和模式识别，另外, 决策树、神经网络、证据理论、模糊集理论、遗传算法等也可用于空间数据发掘和知识发现。

时空数据挖掘

近年来时空数据挖掘收到了业界的广泛关注，时空数据，顾名思义，既有时间概念，又有空间概念，时空数据主要分类有：数值序列，如交通小区车辆流通的历史数据等;事务型序列，如某交通小区在某段时间内车辆流通的记录序列;事件性序列，如交通路网中的流量序列。时空数据挖掘的知识都具有空间数据挖掘所不具备的空间相关性，常用的方法有：数学统计方法，归纳方法，此外还有一些传统的空间数据挖掘的方法。

总结

对于数据挖掘的学习，还是要注重算法的研究。目前我还很欠缺这一块知识。包括统计学、概率论等，都是我今后学习的重点。数据挖掘是个繁复的过程，需要我们长此以往的研究！