PDF-Download - Deutsche Geodätische Kommission

30 KAPITEL 3. DATA MINING UND KNOWLEDGE DISCOVERY IN DATENBANKEN
• Triangulation
Ein expliziter Abstandswert ist auch dann nicht erforderlich, wenn eine Triangulierung, wie z.B. die
Delaunay-Triangulation (Preparata & Shamos 1985), zwischen den Objekten als Nachbarschaftsrelation
definiert wird. In diesem Fall sind jedoch mehr als nur ein Nachbarobjekt möglich.
3.3.3 Spatial Data Mining Architekturen
Für das Problem des Data Mining wurden mehrere Architekturmodelle vorgeschlagen. Zu diesen Modellen
gehören die Parallelarchitektur von (Holsheimer & Kersten 1994), der Data Mining Prototyp DBLEARN /
DBMINER von (Han & Fu 1996) und die Multikomponenten-Architektur von (Matheus, Chan & Piatetsky-
Shapiro 1993). Die meisten dieser Architekturen wurden auch für Spatial Data Mining verwendet oder erweitert.
Insbesondere die Multikomponenten-Architektur wurde wegen ihrer Allgemeinheit von vielen anderen für Spatial
Data Mining verwendet, wie z.B. (Ester et al. 1995). Dieses System besteht neben der Datenbank, einerWissensdatenbank
und einer sogenannten Kontrolleinheit aus folgenden vier Modulen: Datenbankschnittstelle,
Fokusierungsmodul, Musterextraktionsmodul und Evaluierungsmodul. Eine Erweiterung für
Spatial Data Mining betrifft die Datenbankschnittstelle, die eine raumbezogene Indexstruktur für den Zugriff
auf die Daten bereitstellen muss. Die Wissensdatenbank ist um räumliche Konzepte zu erweitern und das Musterextraktionsmodul
hat Data Mining Techniken in Verbindung mit geometrischen Algorithmen auszuführen,
um raumbezogene Regeln und Relationen zu entdecken.