多源地质空间数据挖掘方法研究

多源地质空间数据挖掘技术很好地满足了海量地质空间数据处理的需要。根据地质空间数据的特点,对面向地质空间数据挖掘的地矿点源数据库、地质空间数据挖掘方法、体系结构、挖掘过程以及可发现的地矿知识进行了探讨,并以从样品数据中挖掘矿体各空间点品位之间关系为例,阐述了地质空间数据数据挖掘实施过程。

论空间数据挖掘和知识发现的理论与方法

首先分析了空间数据挖掘和知识发现 (SDMKD)的内涵和外延 ;然后分别研究了用于SDMKD的概率论、证据理论、空间统计学、规则归纳、聚类分析、空间分析、模糊集、云理论、粗集、神经网络、遗传算法、可视化、决策树、空间在线数据挖掘等理论和方法及其进展 ;

浅谈1∶20万数字水文地质图空间数据库建库工作方法及流程

内蒙古自治区地质调查院从2000年开始1∶20万数字水文地质图空间数据库的建设工作,经过两年多的工作实践,积累了一套较为完整的工作方法及流程,本文就建库工作方法和流程的建库准备、图形的矢量化、分层文件的建立、属性表的形成及数据格式的转换五个阶段展开论述,同时列举了建库工作中的几点注意问题,旨在为后续建库提供可借鉴的经验。

空间数据挖掘的方法进展及其问题分析

采用归纳和总结的方法,研究了每种空间数据挖掘方法的特点和使用范围,指出了目前空间数据挖掘方法的局限性,就目前空间数据挖掘存在的问题进行了深入研究。认为空间数据挖掘是一个新兴的而富有前景的研究领域,目前只是取得了一定的初步成果,仍有大量的理论与方法需要深入研究。最后就空间数据挖掘的发展方向进行了研究和归纳。

基于支持向量机的空间数据挖掘流程与实现方法

研究探讨了基于支持向量机的空间数据挖掘工作流程与工作框架,以及基于分类或回归功能的空间数据挖掘实现方法和基于核函数工具实现空间数据结构拓扑关系挖掘的方法。阐述了挖掘工作的重点和关键步骤。

基于空间数据挖掘的地质公园景区划分方案

地质公园的地质遗迹具有高度的景观价值,而公园的地质遗迹数据库中保存有这些地质遗迹的位置数据;空间数据挖掘就是根据空间点的位置关系来获取空间点的有价值信息;DBSCAN算法是一种基于密度的空间聚类方法;通过将地质遗迹数据库中的地质遗迹的原始位置信息转换为便于数据挖掘所使用的形式,采用DBSCAN算法对地质遗迹进行聚类,为地质公园制作景区划分方案提供科学依据。

空间数据挖掘方法综述

空间数据挖掘和知识发现是空间数据库技术、空间数据获取技术、计算机技术、网络通信技术和管理决策支持技术等发展到一定阶段的产物,是多学科相互交融和相互促进的新兴边缘学科,汇集了人工智能、模式识别、数据库、空间信息学、统计学等各学科技术的成果。如何在浩瀚的空间数据和人们的知识渴求之间建立一个桥梁的确是一个巨大的挑战,而以聚类、分类等人工智能技术为基础的空间数据挖掘为迎接这个挑战提供了新的支撑技术。总结了空间数据挖掘方法的国内外研究现状,为深入研究空间数据挖掘方法提供参考价值。

空间数据挖掘的高效和有效的聚类方法

空间数据挖掘可能隐式的存在于空间数据库中。探索聚类方法是否对于空间数据挖掘有一定的帮助。为此,提出一种基于随机搜索的新的聚类方法——分割聚类方法。使用分割聚类方法也研究出两种空间数据挖掘算法。经过分析与验证,在分割聚类方法的帮助下,这两种算法非常有效且会发现很难找到与当前空间数据挖掘算法有重复之处。再者,分割聚类方法和那些存在的聚类方法相比较,实验表明分割聚类方法具有高效性。

空间数据挖掘技术及其应用

介绍了空间数据挖掘的概念、体系结构、常用的方法。

可视化技术在空间数据挖掘中的应用

在阐述可视化与空间数据挖掘关系的基础上,探讨了可视化在空间数据挖掘过程中应用的各个环节,提出了将具体应用划分为概念层、逻辑层和基础层3个层次。以地质模型数据挖掘为例,对应3个层次阐述了可视化应用的关键技术:地质模型可视化,交互式挖掘与探索性可视化分析。开发了一个原型系统,初步实现了可视化挖掘功能。

基于GIS的空间数据挖掘方法研讨

基于GIS的空间数据挖掘是目前数据挖掘的重要方向。本文主要分析了空间数据挖掘的重要定义,其中包括数据挖掘及其应用、空间数据挖掘的定义及特征,并在此基础上分析了基于GIS的空间数据挖掘方法,希望对基于GIS的空间数据挖掘方法有一定的借鉴性意义。

论空间数据挖掘和知识发现的理论与方法

随着经济全球化不断发展,信息化时代的不断深入,让更多的知识数据成为当下进行决策的关键条件。而目前的这种空间数据挖掘方法,在信息系统技术的各个领域都有着广泛的使用,空间数据挖掘也可以称之为空间知识发现,是从空间数据库中提取相应的数据模式和特征,通过数据分析从而得出数据的普遍关系和其内在联系的数据特征。近几年来,随着科学技术的发展,空间信息技术也取得了非常大的突破。这种对可视化的空间数据挖掘方法已经是该领域研究发展的必要手段。该文对于空间数据挖掘的问题及发展趋势也进行了深刻的讨论。

关于空间数据与空间数据模型的思考——中国GIS协会理论与方法研讨会(北京,2004)总结与分析

空间数据和空间数据模型是GIS理论与方法的核心内容。本文总结中国GIS协会理论与方法研讨会(北京, 2004)的成果,围绕GIS研究与发展的新动向,分析了空间数据组织、集成、质量、不确定性与数据挖掘及3维空间数据建模、空间关系与可视化等方面的理论问题与发展趋势,并思考和讨论了空间认知学与本体论在GIS理论与方法研究中的作用。

基于空间数据挖掘的遥感图像立体测绘方法研究

传统遥感图像测绘方法存在图像分辨率较低的问题,为此,提出一种基于空间数据挖掘的遥感图像立体测绘方法。首先,利用卫星获取遥感影像,根据立体测绘需求,在指定区域布控测点;然后,通过空间数据挖掘对遥感图像进行分类处理,通过决策树确定正例集和反例集消息源,明确期望信息;最后,选择MapMatrix软件导入遥感图像期望信息,恢复遥感图像三维结构,通过空间数据挖掘,实现遥感图像立体测绘。实验结果表明:设计的遥感图像立体测绘方法,在实际应用中可提高图像连续点分辨率,保证图像具有较高的平滑性。

空间数据挖掘研究

提出了一个基于空间数据仓库的空间数据挖掘模型 ,讨论了空间关联规则发现、空间分类发现、空间聚类发现和空间数据总结等四类空间数据挖掘任务的目标、采用的挖掘方法和空间采样数据的处理方法。最后 ,提出有待深入研究和探索的问题。

基于Agent的分布式空间数据挖掘模型及实现

在分析数据挖掘、空间数据挖掘、Agent的概念和技术特点的基础上,提出了一种基于代理的分布式空间数据挖掘系统,描述了其实现方法,因为本系统只传送数据挖掘的中间结果,所以大大减少了网络的数据传输量,并加强了数据的安全性和保密性。

空间数据挖掘中聚类分析算法的研究

随着数据获取技术的发展以及数据获取手段的多样化，大量与空间位置相关的数据被收集，人们迫切需要强有力的数据分析工具来从这些数据中获取信息或知识，这一需求导致了空间数据挖掘这一全新研究领域的出现。空间聚类分析既可以发现隐含在海量数据中的聚类规则，又可以与其它数据挖掘方法结合使用，发掘更深层次的知识，提高数据挖掘的效率和质量，是空间数据挖掘的重要研究方向之一。其主要研究内容和相关结论如下：

空间数据挖掘与发展趋势研究

目前国内外学者已提出不少种空间数据挖掘(SDM)的方法,如统计方法、泛化方法、空间分析方法、聚类方法、探测性的数据分析、粗集方法、云理论、图像分析和模式识别等。本文试从空间数据挖掘方法的角度,探讨空间关联规则的挖掘方法以及它与传统的关联规则挖掘方法之间的区别,介绍空间聚类挖掘方法的分类和几种典型算法,最后概述了空间数据挖掘的发展趋势。

基于GIS的空间数据挖掘研究

指出了随着地理空间信息化的发展,通过空间数据获取空间知识越来越重要且极具现实意义,空间数据挖掘已然成为具有广阔前景的研究领域。主要概括了空间数据挖掘的研究现状、空间数据挖掘方法及其进展,进而探讨了空间数据挖掘的发展趋势。

空间数据挖掘及其发展研究

探讨了空间关联规则,利用移动计算中基于Apriori算法的空间关联规则提取的例子,详细介绍了经典算法Apriori算法在空间关联规则中的应用,并对空间数据挖掘的发展进行了展望。