Mineria de datos

CAPÍTULO 2. MINERÍA DE DATOS ESPACIALES

En este capítulo se presentan conceptos generales y trabajos relacionados del proceso de
descubrimiento de conocimientos en bases de datos espaciales ó minería de datos
espaciales, y se describen dos metodologías para la minería de datos en bases de datos
espaciales y dos algoritmos para minería de datos espaciales basados en técnicas deagrupamiento.

Se describen estos dos algoritmos ya que sirvieron de modelo para desarrollar nuestra
propia minería de datos a través de la implementación del algoritmo de agrupamiento PAM
[17] para realizar minería de datos espaciales, y el uso del sistema SUBDUE [39] para
realizar minería de datos no espaciales.

2.1 Descubrimiento de conocimiento en BD espaciales.
Junas Adhikary en su artículo [1],nos presenta una visión general de la minería de datos
espaciales. En primer término define los conceptos básicos del área, comenta la importancia
que ha tomado la minería de datos en la actual era de la información, y vislumbra futuras
direcciones. La autora clasifica los métodos de la minería de datos espaciales en cinco
grupos (figura 2.1).

18

Métodos para el
descubrimiento deconocimiento en
base de datos
espaciales

Métodos
basados en
generalización

Métodos de
reconocimiento
de patrones

Métodos
explorando
asociaciones
espaciales

Métodos usando
agrupamiento

Métodos usando
aproximación y
agregación

Figura 2.1 Métodos para el descubrimiento de conocimiento en base de datos espaciales.

Los métodos basados en generalización requieren laimplementación de jerarquías de
conceptos, en el caso de las base de datos espaciales estas jerarquías pueden ser temáticas ó
espaciales. Una jerarquía temática puede ser ejemplificada al generalizar mango y piña a
frutas. Una jerarquía espacial puede ser ejemplificada generalizando varios puntos en un
mapa como una región y un grupo de regiones como un país.

Los

métodos

de

reconocimientode

patrones

pueden

ser

usados

para

realizar

reconocimientos y categorizaciones automáticas de fotografías, imágenes, y textos, entre
otros. Los métodos usando agrupamiento son utilizados para crear agrupaciones o
asociaciones de datos, cuando en éstos existan nociones de similaridad (por ejemplo,
distancia Euclidiana). Los métodos explorando asociaciones espacialespermiten descubrir
reglas de asociación espaciales, esto es, reglas que asocien uno ó más objetos espaciales
con otro ú otros objetos espaciales (X ? Y, donde X y Y son un conjunto de predicados
19

espaciales ó no espaciales). Los métodos que utilizan aproximación y agregación permiten
descubrir conocimiento en base a las características representativas del conjunto de datos.

2.2 Algoritmosde agrupamiento.
Erica Kolatch en su artículo [18] plantea definiciones sobre datos espaciales, bases de datos
espaciales, minería de datos ó descubrimiento de conocimiento en base de datos. Una de los
puntos más significativos del artículo es el esquema que presenta sobre los algoritmos de
agrupamiento (figura 2.2) y las relaciones entre ellos. La autora agrupa los algoritmos en
tresgrupos: Partitional, Hierarchical y Locality. En el primer grupo incluye a los
algoritmos que crean particiones de los datos de tal forma que los objetos en una partición
(cluster) sean más similares entre sí que a otros objetos de otras particiones. El
agrupamiento jerárquico realiza una secuencia de operaciones de agrupamiento. Estas
pueden ser realizadas de forma bottom-up ó top-down. En elúltimo grupo se encuentran los
algoritmos que agrupan objetos en base a una relación de ubicación ó localidad. Algunos
algoritmos de este tipo se basan en la densidad, mientras otros asumen una distribución
aleatoria. A continuación se comentan los algoritmos:

PAM [17] (Partitioning Around Medoids)

usa k-medoid para identificar agrupamientos,

trabaja bien en bases de datos pequeñas, pero...