Page 47 - 大数据技术及安全研究

第一章 大数据核心技术

现决策支持；第四，如何在可视化的用户决策中有效替代一个分析过程中的多个
步骤；第五，如何在难以自动生成决策时可以保障用户借助可视化辅助支持来更
好地完成各项决策。当前，这些方面的研究和探索并没有全面实现突破，因此需

要相关工作人员细致分析和思考如何有效解决数据挖掘可视化中存在的问题，这
对于科学发展和数据运用有着十分重要的帮助。另外，还应探索如何将可视化与
数据挖掘及数据分析过程进行融合，在这一基础上构建一个完善且统一的可视化
数据挖掘工具是需要深入思考的课题。

（四）基于三维建模的可视化数据挖掘
1. 基于建模的数据挖掘
数据挖掘需要在数据的支撑下完成，也是基于数据推动的一种归纳性学习方
式，借助有效的数据分析不仅可以从中找出一些未知的知识，还可以发现诸多有

用的知识。基于建模的数据挖掘模式也是在这一基础上出现和发展的，即为从三
维模型中提取知识和空间关系，也可以将没有显示出来的数据信息进行存储，使
相关人员更好地理解数据信息并发现空间数据以及相关属性数据关系等，三维模
型的构建可以通过简单的方式来体现数据信息。

针对建模数据挖掘的数据源来讲，可以从要素类别这一层面将其划分为空
间数据和属性数据两种，随之将其划分为二维、三维、四维（时间维）以及不确
定维等。另外，数据挖掘技术包含了统计分析和空间分析以及空间聚类等，建模
数据挖掘在初期阶段需要探究统计分析和三维缓冲区分析以及三维相交分析等，

而关键技术则包含了三维建模技术与 Arc GIS 空间分析和基于 SPSS Modeler 的
数据挖掘，工作开展思路即为如下内容：借助三维建模来建立三维模型，将其作
为数据源，其中需要包含 Arc GIS 的三维模型格式转换，并且还需要在这一基础
上开展三维空间分析，使用 Arc GIS 实时数据筛选并提取剖面数据信息，并运用

SPSS Modeler 软件来对数据进行深度挖掘，最后再将挖掘到的数据内容体现到三
维模型上，全面实现可视化表达。
2. 静态三维模型数据库的获取
在构建模型库的过程中，其建立难度主要体现在三维建模的精模和低模转化

阶段，在构建三维模型之前，应对数字资源进行全面收集和整理，资源主要包含
了测量数据和设计图纸以及常用模型的数据资源等，三维仿真系统中的模型资源
库是在三维静态模型基础上形成的，为确保静态模型资源可以得到科学利用，需

·39·