स्थानिक डेटा माइनिंग (Spatial Data Mining)
स्थानिक डेटा माइनिंग स्थानिक मॉडल पर डेटा माइनिंग का अनुप्रयोग है। स्थानिक डेटा माइनिंग में, विश्लेषक भौगोलिक या स्थानिक रिकॉर्ड्स का उपयोग व्यावसायिक बुद्धिमत्ता या कई परिणाम बनाने के लिए करते हैं। इसके लिए भौगोलिक जानकारी को प्रासंगिक और उपयोगी प्रारूपों में प्राप्त करने के लिए विशिष्ट तकनीकों और संसाधनों की आवश्यकता होती है।
स्थानिक डेटा के विकास और स्थानिक डेटाबेस के व्यापक उपयोग ने स्थानिक ज्ञान खोज को नियंत्रित किया है। स्थानिक डेटा माइनिंग को एक प्रक्रिया के रूप में सीखा जा सकता है जो स्थानिक डेटाबेस से कुछ आश्चर्यजनक और संभावित रूप से मूल्यवान पैटर्न तय करती है।
स्थानिक डेटा माइनिंग में कई चुनौतियां शामिल हैं जिनमें उन पैटर्न को पहचानना या उन ऑब्जेक्ट्स की खोज करना शामिल है जो अनुसंधान परियोजना को चलाने वाले प्रश्नों के लिए प्रासंगिक हैं। विश्लेषक एक विशाल डेटाबेस फ़ील्ड या अन्य पूरी तरह से बड़े डेटा सेट में प्रासंगिक डेटा खोजने के लिए देख सकते हैं, GIS/GPS टूल्स या समान सिस्टम का उपयोग करके।
स्थानिक डेटा माइनिंग परियोजना का उद्देश्य डेटा को अलग करना है ताकि वास्तविक, कार्रवाई योग्य पैटर्न प्रस्तुत किए जा सकें, सांख्यिकीय संयोग, यादृच्छिक स्थानिक मॉडलिंग, या अप्रासंगिक परिणामों जैसी चीजों को छोड़कर। एक तरीका जिससे विश्लेषक ऐसा कर सकते हैं वह "समान-ऑब्जेक्ट" या "ऑब्जेक्ट-समतुल्य" मॉडल की खोज करके है ताकि कई भौगोलिक क्षेत्रों की सटीक तुलना का समर्थन किया जा सके।
अस्थायी डेटा माइनिंग (Temporal Data Mining)
अस्थायी डेटा माइनिंग बड़े अस्थायी डेटा के सेट से गैर-तुच्छ, निहित, और संभावित रूप से आवश्यक डेटा के निष्कर्षण की प्रक्रिया को परिभाषित करता है। अस्थायी डेटा प्राथमिक डेटा प्रकारों की एक श्रृंखला है, आमतौर पर संख्यात्मक मूल्य, और यह अस्थायी डेटा से लाभकारी ज्ञान इकट्ठा करने से संबंधित है।
अस्थायी डेटा माइनिंग का उद्देश्य उच्च अनुक्रमिक डेटा में अस्थायी पैटर्न, अप्रत्याशित प्रवृत्तियों, या अन्य छिपे हुए संबंधों को ढूंढना है, जो नाममात्र प्रतीकों के वर्णमाला से एक अस्थायी अनुक्रम और सतत वास्तविक-मूल्य वाले घटकों के अनुक्रम से बना है जिसे समय श्रृंखला के रूप में जाना जाता है, मशीन लर्निंग, सांख्यिकी, और डेटाबेस प्रौद्योगिकियों से तकनीकों के एक सेट का उपयोग करके।
अस्थायी डेटा माइनिंग तीन प्रमुख कार्यों से बना है: अस्थायी डेटा का विवरण, समानता माप की परिभाषा, और खनन सेवाएं।
अस्थायी डेटा माइनिंग में समय अनुक्रम का प्रसंस्करण शामिल है, आमतौर पर रिकॉर्ड्स के अनुक्रम, जो कई समय बिंदुओं के अनुक्रम पर समान विशेषता के मूल्यों की गणना करते हैं। ऐसी जानकारी का उपयोग करके पैटर्न मिलान, जहां हम रुचि के विशिष्ट पैटर्न की खोज कर रहे हैं, ने हाल के वर्षों में काफी रुचि आकर्षित की है।
अस्थायी डेटा माइनिंग में अस्थायी डेटाबेस के लिए विकसित प्रभावी डेटा भंडारण, त्वरित प्रसंस्करण, और त्वरित पुनर्प्राप्ति विधियों के शोषण को शामिल किया जा सकता है।
