面向土地用途分区的空间数据挖掘原型系统是基于知识对土地用途进行分区的，因此知识库同数据库、模型库是系统的核心。目前，知识库的构建方法有两种途径：①在关系数据库的基础上建立知识库。②直接从知识表示方式建立统一的知识库模型，选择相应的推理机制，实现知识库系统。本书2.5.1中对土地用途分区的知识体系进行了详细的分析，本节主要对知识库的设计和知识的存储方式进行设计。
1.土地用途分区知识库设计
土地用途分区知识库中，一般将所涉及的一般性知识、领域知识和特定问题知识分为三个类别进行管理：一类是包括事实、状态、环境和条件等的叙述性知识；二类包括有关规则、操作、方法和行动等的过程性知识；三类是包括对前两类知识的管理和知识推理控制策略等方面的控制性知识。图5-3表示知识库的设计流程。
图5-3 知识库设计流程
2.空间关联知识的表达和存储
利用空间数据挖掘的理论与方法可以从土地利用数据库及其他相关资料中分析、挖掘出大量的涉及不同来源和用途的知识，这就需要对这些知识进行管理和应用。利用知识库管理积累的知识，最重要的任务就是为多种智能化处理任务服务，如基于知识的土地用途分区、基于知识的分区检索、基于知识的目标查询等。大量知识的存储与管理可以利用知识库技术来实现。
由于数据挖掘本身就是对数据库中的数据进行相关的处理，因此采取在关系数据库的基础上建立知识库的方式更加方便有效。对于所挖掘出的知识的主要表达方式就是基于规则的知识表达方法，因此，可以充分利用关系数据库技术实现空间知识的存储和管理。此外，基于规则的知识表达方法具有简单、方便和直观的特点，因此本章利用了以下两种方法进行存储与管理。
(1)关系数据库的方式
关系数据库的方式就是利用数据表格进行知识的表达和存储。本章所研究的空间数据挖掘算法所得到的知识都是以规则的形式进行存储的。一个元组表示一个规则，其中规则的前件和后件分别由若干可分离的分量构成，规则同时包括置信度值[c%]和支持度[s%]。将规则前件和后件所对应的每一分量以及支持度和置信度分别作为关系数据库表的一个数据属性项，将其具体取值作为数据项的属性值，如表5-1所示。
表5-1 空间关联规则知识的存储表1
另外一种较为简单的存储方式将规则作为一个字符型数据存储在一个字段中。例如，对于表5-1的规则可以存储为如表5-2所示的形式。
表5-2 空间关联规则知识的存储表2
利用关系数据库表格的形式进行知识表达和存储的方式，可以充分利用关系数据库本身所提供的查询、排序和检索等功能，较为方便地进行空间数据挖掘知识的存储、检索和查询。第一种方式虽然操作起来较为方便，但如果规则的前件和后件的内容很多，则可能出现存储空间浪费的现象和难以表达的情况。第二种方法还需要对规则进行解释，并根据需要从“Rules”字段中抽取出相应的规则。(www.xing528.com)
(2)文本文件方式
关系数据库形式的知识的表达方式不利于人们的理解和查看，如果需要查看知识，还要打开数据库表格，需要一定的处理时间，给阅读者带来诸多不便。因此可以将这些规则用文本的方式进行存储。本章针对土地利用空间关联规则挖掘的知识还设计了文本存储方式，具体有以下两种：一是直接以文本文件的形式存储在磁盘上，这种存储方式的特点是简单易行，但不便于更新、利用和管理；二是以二进制对象的方式将整个文本文件整体存储在数据库中，这种处理方式便于管理、易于提取，但是需要进行相应的处理。
3.其他知识的组织存储
规则和知识的存储组织方式决定了知识库的使用效率，土地用途分区知识库的存储采用与模型库相同的存储策略，已经对空间数据挖掘的空间关联规则的数据存储方式进行了研究，本节主要是对其他相关知识的表示进行探讨。
规则基于关系模式加以表达，并与在关系数据库中基于关系表进行表达。一般规则都可表示为规则前件(if条件部分)和规则后件(then结果部分)，如在进行土地利用类型转换规则分析时，有：
if耕地坡度＞25°then耕地转换为林地的可能性接近1；
if农村居民点与水源保护地单元相邻then居民点转换为林地或草地的可能性接近1；
if现状为建设用地then转换为耕地的可能性为0；
……
有时这些规则往往是联合用来确定该单元土地利用类型转换的可能性，即转换系数，也就是要实现多个规则的关联，因此在设计存储结构时需考虑规则便于连接操作的实现问题。相应地，在数据库中通过分别设置规则前件表、规则后件表和规则连接表来实现，其表结构如表5-3、表5-4、表5-5所示。
表5-3 基于关系数据库的知识存储结构之规则前件表
表5-4 基于关系数据库的知识存储结构之规则后件表
表5-5 基于关系数据库的知识存储结构之规则连接表
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
