空间数据挖掘和知识发现与地理可视化的集成

论述空间数据挖掘和知识发现以及地理可视化的理论及特点,指出二者集成的可能性和必然性,并在此基础上介绍一种集成方法。

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 ;

论空间数据挖掘和知识发现

随着现代科技和传感器的发展和应用 ,复杂多变的空间数据日益膨胀 ,远远超出了人的解译能力 ,迫切需要数据挖掘和知识发现为其提供知识。本文研究了空间数据挖掘和知识发现的含义、可发现的空间的关联、特征、分类和聚类等知识 ,以及它与数据挖掘和知识发现、机器学习、地学数据分析、空间数据库、空间数据仓库、数字地球等相关学科的关系 ,概述了SDMKD的产生和发展 。

空间数据挖掘和知识发现的研究

随着现代科技和传感器的发展和应用,复杂多变的空间数据日益膨胀,远远超出了人的解译能力,迫切需要数据挖掘和知识发现为其提供知识。研究了空间数据挖掘和知识发现的概述,可发现的空间的关联、特征、分类和聚类等知识,以及它与相关学科的关系,分析和展望了SDMKD的应用开发。

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。

人工神经元网络在空间数据挖掘与知识发现中的应用研究

对常用的空间数据挖掘方法进行分析,认为常用的统计学方法对数据的限制较多,且计算量较大,在应用中有一定的局限性。与此相反,神经网络方法由于其固有的自学习能力和抗干扰能力,在空间数所挖掘领域有着广泛的应用前景。最后在空间数据挖掘领域引入GSOM网络,用于空间聚类,通过实例证明,效果较好。

地理空间数据挖掘与知识发现——地理单元数据集的研究与开发

地理学是一门研究地壳表面自然要素与人文要素相互关系及相互作用的科学。在现代自然科学和社会科学发展的影响下,定量化、系统化研究,使得地理学的研究从静态、定性描述走向动态、定量分析。本文讨论了空间数据挖掘与知识发现的方法,以基于DEM数据进行流域单元提取为例,实现了对DEM数据的知识挖掘的尝试,并就处理过程中选用的主要算法和应用中遇到的具体问题进行了探讨。

数字油藏空间数据挖掘与知识发现框架设计

油藏空间数据挖掘与知识发现是继油藏数字化建设后需要解决的一个重要问题。本文首先总结了数字油藏中空间数据的特征及数据处理的方法学基础,提出把数据挖掘思想用于油藏数据处理以获取更多有用信息,即油藏空间数据挖掘与知识发现。文章列出了四种可能的方案,简述了每一种方案的特点,最后结合数据库数据挖掘与GIS可视化,提出了油藏空间数据挖掘与知识发现的框架。对数据挖掘的主要模式进行了讨论,认为空间关联规则是油藏空间数据挖掘中最重要的一种知识模式,因而空间关联规则挖掘算法的设计也就成了油藏空间数据挖掘中需要解决的一个重要问题。

空间数据知识发现研究进展评述

首先对当前空间数据的复杂性特征进行了分析 ,提出海量的数据、空间属性之间的非线性关系、空间数据的尺度特征、空间信息的模糊性、空间维数的增高以及空间数据的缺值是当前空间数据复杂性的主要表现特征 ,并以其为线索将近年来在空间数据知识发现领域的研究进展及其热点进行了较为系统的归纳 .在此基础上 ,对空间数据知识发现与 GIS的关系进行了阐述 ,并对空间数据知识发现的未来发展趋势进行了展望 .

云理论及其在空间数据发掘和知识发现中的应用

云理论是以研究定性定量间的不确定性转换为基础的系统处理不确定性问题的一种新理论，包括云模型、虚云、云运算、云变换、不确定性推理等内容。云理论为数据发掘和知识发现中的许多基础性关键问题提供了新的解决方法，如概念和知识表达、定性定量转换、概念的综合与分解、从数据中生成概念和概念层次结构等。云模型是定性定量间的不确定性转换模型，它用期望值Ｅｘ、熵Ｅｎ 和超熵Ｈｅ表征定性概念，将概念的模糊性和随机性集成在一起。该文介绍了云理论的基本原理和方法及其在空间数据发掘和知识发现中的应用。

基于关联规则的空间数据知识发现及实现

空间数据挖掘就是从空间数据库中抽取隐含知识、空间关系及空间数据库中存储的其它模式的方法。空间关联规则是空间数据挖掘的一个重要表现形式,利用空间关联规则把空间数据库中的数据转化为知识是一个很好的方法。本文在分析空间关联规则的基础上,用基于关联规则的逐步求精挖掘算法,得出空间数据库中的知识,通过实例证明其方法的可行性。

用探测性的归纳学习方法从空间数据库发现知识

将探测性数据分析、面向属性的归纳和Ｒｏｕｇｈ 集方法结合起来，形成了一种灵活通用的探测性归纳学习方法ＥＩＬ，可以从空间数据库中发现普遍知识、属性依赖、分类知识等多种知识。同时提出和总结了多种生成空间数据库概念层次结构的方法用于归纳学习。

领域专家知识及其在空间数据挖掘中的作用

根据空间数据挖掘的需要,提出把领域专家知识分为3类,即,属性划分规则(AttributePartitionRule)、概念层次树(ConceptHierarchicalTrees)和约束条件(Constraints)。文中详细介绍了领域专家知识和领域专家在空间数据挖掘各个阶段的作用。领域专家知识的表示方法也是一个非常值得重视的问题,文中给出了常用的表示模型。

基于GIS的下蜀镇森林健康知识空间数据挖掘方法研究

森林健康是森林可持续经营的一项重要评价指标。文章以地理信息系统软件ArcGIS、统计分析软件SPSS为挖掘工具,通过主成分分析和聚类分析方法对江苏省句容市下蜀镇的森林健康知识空间数据进行挖掘。研究表明:在影响森林健康等级高低的主成分因子中,以林分生产活力因子的重要性最强;在森林健康空间聚类的3种类别中,林分生产活力的大小导致了类别1和类别2之间的差异,而类别2和类别3的差别主要集中于环境胁迫要素的差异。

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。

用云解释空间数据挖掘的有关问题

空间数据挖掘正在兴起,该文分析了空间数据挖掘中从数据到知识、粒度和尺度等有关问题,构筑了空间数据挖掘金字塔,并利用云模型予以解释和表达。

基于超图模型的空间数据挖掘

在空间数据挖掘中,知识表现为空间数据的内在结构以及不同数据子集之间的关系。可视化技术充分利用了图形和图像的表达能力以及人对于色彩和空间的敏锐的感知能力,使人机有机地融合在一起。该文基于超图理论提出了超图模型并将其用于空间数据挖掘。超图模型将超图理论、对象技术和可视化技术融合在一起,可用于表达复杂数据的内在结构和相互之间的关系,也表示对象的不同属性以及对象之间的关联程度。

空间数据挖掘及其与智能系统的集成框架

空间数据挖掘是指从空间数据库中抽取隐含的知识、空间关系和非显式地存储在空间数据库中有意义的特征或模式 .它在遥感、地理信息系统、医疗影像、信息融合系统等领域具有广阔的应用前景 ,因此日渐受到关注和重视 .本文从知识发现、认知科学与智能系统交叉结合的角度 ,提出了基于数据库和知识库双库协同机制的空间数据挖掘模型 ,并系统地介绍了从空间数据库中可发现的知识类型及挖掘方法 ,然后提出了基于空间数据挖掘的新型智能系统总体框架和系统开发基本原则 ,最后探讨了空间数据挖掘的发展方向 .

空间数据挖掘技术研究进展

空间数据具有海量、非线性、多尺度、高维和模糊性等复杂性特点,空间数据挖掘技术是对空间数据中非显性的知识、空间关系等模式的自动提取。该文从空间数据挖掘的知识类型、方法、体系结构、过程以及与GIS系统集成等方面对其进行综述。重点阐述空间特征及区分规则、空间分类及聚类规则、空间分布及关联规则、空间序列及演化规则等知识类型以及统计分析、机器学习、探索性数据分析、可视化分析等数据挖掘方法。通过对空间数据挖掘理论、应用和系统实现等方面研究方向、存在问题的分析,指出集数据库、知识库、专家系统、决策支持系统、可视化工具、网络等技术于一体的空间数据挖掘系统是其主要发展方向。

空间数据挖掘技术方法及应用

着重阐述了通用的空间数据挖掘体系结构 ,空间数据的关联特性 ,几种主要的空间数据挖掘方法。