A spatial association rule extraction algorithm based on cloud theory

In spatial association rule mining, how to convert quantitative and qualitative data is a critical issue, and cloud theory is an effective tool to deal with this problem. This paper proposes a soft attribute space classification method based on the cloud model, and improves the Apriori algorithm by studying the traditional association rule mining method and the characteristics of spatial data itself, and proposes an algorithm that is more suitable for mining spatial data. Finally, the effectiveness of the improved algorithm is verified through example tests. Keywords: cloud theory; spatial association rules; spatial data mining; Apriori algorithm An Algorithm of Mining Spatial Association Rules based on Cloud Theory MENG Fan-rong ZHENG Zhong-pei CHEN Pei-pei (Computer Science and Technology Department, China University Of Mining And Technology,221008,China) Abstract: The transforms between qualitative concepts and their quantitative expressions plan an important role in spatial association mining，the cloud theory is this kind of powerful tools. In this paper, an attribute induction and concept promotion method on cloud model is proposed. By studying the methods of data mining and the characters of spatial data，an improved spatial association rule mining algorithm based on Apriori is proposed. Finally an example is explained and confirmed this method validity.Keywords: cloud theory; spatial association rules; spatial data mining; Apriori algorithm