Geographic data-mining and extraction of association rules using the Apriori algorithm (Case study: Capital of Iranian provinces)

Extracting of association rules between urban features provides latent and considerable information for urban planners about the relationships between urban characteristics and their similarities. For this purpose, in this paper, the most famous and well-known Apriori algorithm is used. We present the Fariori algorithm to delay the characteristics that can be deleted during execution, as well as to achieve main and frequent features in the early stages with efficient changes to the Apriori algorithm. Although the spatial and temporal complexity of both algorithms is exponential based on the number of fea-tures, in practice, by implementing the Fariori algorithm in MATLAB, we achieved more rules than the existing software (R, Weka, Market Basket Analysis and, Yarpiz). In the proposed algorithm, it is possible to determine the degree of similarity by adjust-ing the support and confidence ratio parameters to identify a coherent set of similar cities. The used database includes cities of 31 in the provincial capitals of Iran. Dis-covering the association rules leads to similar cities finding and can be an efficient aid in the decision-making process.

Classificação do Uso da Terra e Cobertura Vegetal Utilizando Técnicas de Mineração de Dados

O objetivo deste estudo é apresentar o mapeamento do uso da Terra e cobertura vegetal utilizando técnicas de mineração de dados. A área teste selecionada corresponde à bacia do Rio São Tomé, localizada na região de Alfenas, sul do estado de Minas Gerais. Para a realização deste estudo, foram utilizadas imagens multiespectrais geradas pelo sensor Linear Imaging Self-Scanner (LISS III) a bordo do satélite Indian Resource Satellite (IRS). A classificação das imagens foi feita utilizando o aplicativo Geographic Data Mining Analyst (GeoDMA) que possui algoritmos para segmentação de imagens, extração de atributos, seleção de feições e classificação. A análise dos resultados foi feita de maneira visual e quantitativa por meio de uma matriz de confusão. Para a geração desta matriz, 3000 pontos de referência foram coletados de maneira totalmente aleatória. Os resultados desta pesquisa mostraram o grande potencial da técnica de mineração de dados na classificação do uso da Terra e cobertura vegetal. As principais vantagens observadas de sua utilização foram: (1) permitiu incorporar no processo de classificação um grande número de variáveis tanto espectrais, espaciais quanto atributos do relevo; (2) simplificou a interpretação das regras de classificação por meio dos resultados das árvores de decisão; (3) gerou uma classificação consistente.