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 ;

基于BP神经网络和蚁群算法的机械手轨迹控制算法研究（英文）

为了提高机械手运行的平稳性,实现机械手控制的精准度,采用BP神经网络和蚁群算法相结合的方法实现机械手轨迹控制。首先,建立机械手运动轨迹模型,然后利用神经网络算法对机械手主要参数进行训练,接着,将输出预测的运动轨迹与机械手期望运动轨迹对比,以便求解更趋近于期望的最优参数。最后,借助蚁群算法对神经网络模型参数进行优化。经过实验证明:相比于传统BP神经网络算法,所提算法训练得到的角位移与期望角位移的拟合程度更高,且在空间三维坐标系的位移误差更小。

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。