面向大数据的时空数据挖掘综述_吉根林第37卷第1期2022年3月南京师大学报（自然科学版）JOUＲNALOFNANJINGNOＲMALUNIVEＲSITY（NaturalScienceEdition）Vol．37No．1Mar，2022收稿日期：2022－08－10．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：檪檪檪檪檪檪檪檪殏殏殏殏glji@njnu．edu．cn特约稿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，江苏南京210123）［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］1011－4616（2022）01－0001－07ASurveyofSpatiotemporalDataMiningforBigDataJiGenlin，ZhaoBin（SchoolofComputerScienceandTechnology，NanjingNormalUniversity，Nanjing210123，China）Abstract：Spatiotemporaldatamininghasemergedasanactiveresearchfield，focusingonthedevelopmentofcomputingtechnologiesfortheextractionofusefulinformationandknowledgefrommassiveandcomplexspatiotemporaldatabase．Thispapermainlyfocusesonspatiotemporaldataminingforbigdata，introducesthebackgroundanddevelopmentofdatamining，therecenttheoreticalandappliedresearchprogressinspatiotemporaldatamining，anddiscussestheinfrastruc-tureandtechnologiesofspatiotemporaldataminingforbigdata．Keywords：spatiotemporaldatamining，spatiotemporalbigdata，spatiotemporalpatternmining，spatiotemporalcluste-ring，spatiotemporalclassification，spatiotemporaloutlierdetection1数据挖掘技术产生的背景与发展数据挖掘（DataMining，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．11019年8月在美国底特律召开的第11届国际人工智能会议上首先出现KDD（Knowl-edgeDiscoveryinDatabase）这个术语，11015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（ACMSIGKDDConferenceonKnowledgeDiscoveryandDataMining，KDD），后者发展成为数据挖掘领域的顶级国际会议．至今KDD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DM和KDD定义为：KDD是指从数据库中发现知识的全部过程，DataMining则是全部过程中的一个特定步骤，通常两者没有明确界线，KDD和DM均指从数据中挖掘知识的过程［1］．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．—1—本文来源：网络收集与整理，如有侵权，请联系作者删除，谢谢！