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 。

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 ;

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 .

基于模糊粗糙集理论的综合数据挖掘方法在空间负荷预测中的应用

基于模糊粗糙集理论,提出了一种综合数据挖掘方法,并将其应用于空间负荷预测中。基于规则约简方法提出了循环采样方法,采用数据库知识获取技术按采集的样本属性值将样本聚类,根据聚类中心对连续取值的属性设定模糊值,根据决策属性的包含度对模糊粗糙规则进行筛选,并采用数据库知识获取技术实现了用地类型的转换。算例结果表明该方法简单灵活,可用于短期、中期和长期空间负荷预测中。

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。

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。

空间数据挖掘的方法和实施

回顾了空间数据挖掘技术的现状、趋势及任务 ,描述了目前在空间数据挖掘中常用的一些算法 ;然后以海岸带地理环境评判为例 ,介绍了挖掘算法的实施。

从空间数据库发现聚类:一种基于数学形态学的算法

聚类算法能从空间数据库中直接发现一些有意义的聚类结构而不需要背景知识，是空间数据发掘和知识发现的重要手段。在分析已有聚类算法的基础上，提出了一种基于数学形态学的聚类算法，该算法能够处理任意形状的聚类，采用启发式方法自动确定最优聚类数。同时，该算法也可以在矢量型空间数据库中得到实现。试验表明算法是可行和有效的，且能处理存在噪音的数据。

基于粗集挖掘法的GIS和RS融合

为了更为有效地利用矿区现有的各类数据,以便在现有数据的基础上发现更多的“深层知识”。以某矿区试验地的TM遥感影像数据为例,将空间数据挖掘方法与地理信息系统和遥感技术进行了有效的结合,提出了两种具体的集成模式。并应用了粗糙集的挖掘方法提取了土壤侵蚀度与植被、坡度和耕地等相关“深层知识”,得出了相关特征规则,为矿区土地合理利用开发提供有益支持,

一种有效聚类算法的研究和实现

提出了一个基于数学形态学的三维空间聚类算法。该算法通过闭合运算,将空间对象聚成类,一次完成三维空间聚类,可以快速处理非凸的、复杂的聚类形状。由于该算法基于数学形态学,所以易于实现其高性能并行算法。采用实例将算法与普通聚类算法进行了性能比较。

基于AI的主动数据挖掘技术在网络故障管理中的应用

讨论了基于人工智能的主动空间数据挖掘技术在故障管理中的应用 ,给出了一个应用模型 .其中主动空间数据挖掘技术主要体现在数据融合 ,数据挖掘和知识发现的过程中 .文中首先给出了规则定义和触发器定义 ,并对专家系统的知识发现过程给出了基于时间窗口的告警关联算法 .最后给出了在仿真环境下的系统性能测试分析 .

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。

遥感影像数据挖掘研究进展

遥感影像数据挖掘是一个有着广阔应用前景的研究领域。由于遥感影像数据库的海量特征,遥感影像数据挖掘已成为空间数据挖掘的主流。依据遥感影像数据挖掘的方法和目的,从图像索引和检索、图像分类、图像聚类、空间关联规则挖掘、影像变化检测以及高光谱数据挖掘六个方面对遥感影像数据挖掘的国内外研究现状进行了综述。并指出了遥感影像数据挖掘和知识发现中应该着力解决和注意的几个问题。

基于网格技术的空间知识发现与数据挖掘研究

设计了基于服务网格的空间知识发现与数据挖掘的架构,并对其关键技术进行了探讨性研究。

粗集理论在空间数据挖掘中的应用

粗集理论能支持数据挖掘与知识发现的多个步骤,如数据预处理、数据简化、规则生成、数据依赖关系获取等,为数据挖掘与知识发现提供了新的思路和方法。本文将粗集理论引入空间数据挖掘领域,介绍了粗集理论的基础理论和一系列方法,给出了应用实例,并探讨粗集理论在空间数据挖掘中的应用。

论军事地图学与地理信息工程的发展

本文包括3个部分。第一部分,从10个方面简要总结了军事地图学与地理信息工程科学技术60年来的主要成就,并从7个方面分析了推动地图学与地理信息工程科学技术进步与发展的理论与技术;第二部分,从7个方面论述了地图学与地理信息工程科学技术的发展趋势;第三部分,提出了未来要重点研究的10个领域,包括空间认知理论、空间数据自动综合理论与方法、多维动态空间信息可视化、空间信息网格、空间数据挖掘与知识发现、空间数据不确定性与数据质量控制、多智能化代理技术及其应用、嵌入式GIS技术等。

SDMKD在油气资源勘探中的应用

从空间数据挖掘与知识发现(SDMKD)的内涵入手,对比分析了SDMKD与传统数据挖掘的异同,在归纳SD-MKD的任务与方法、实现过程和研究现状的基础上,对油气资源勘探SDMKD应用现状、面临的主要问题进行了总结和分析。最后,文章给出了油气资源勘探SDMKD的概念模型。

聚类分析及其在GIS中的应用研究

介绍了基于GIS的聚类分析,分析了GIS中传统聚类存在的问题,探讨了基于GIS的空间聚类算法研究现状及动态。