空间数据发掘与知识发现PDF电子书下载

第1章 引言 1

1.1 遥感与GIS的发展现状 1

1.1.1 遥感与GIS的发展现状 1

1.1.2 遥感与GIS面临的困难 3

1.2 数据发掘和知识发现国内外研究现状 4

1.2.1 数据发掘和知识发现产生的背景 4

1.2.2 数据发掘和知识发现的发展历程和现状 5

1.2.3 数据发掘和知识发现的主要研究内容 8

1.2.4 数据发掘和知识发现的研究方法与策略 9

1.2.5 数据发掘和知识发现面临的困难 10

1.3 本书主要研究内容 10

第2章 空间数据发掘和知识发现的理论与技术框架 12

2.1 GIS与遥感中的数据、信息和知识 12

2.2 空间数据发掘和知识发现的定义与特点 16

2.3 空间数据仓库与空间数据发掘 18

2.4 发现状诚空间理论及其扩展 20

2.5 从空间数据库中可发现的知识类型 23

2.6 空间数据发掘和知识发现中的知识表达方法 27

2.7 空间数据发掘和知识发现在GIS与遥感中的应用 28

2.8 空间数据发掘和知识发现的方法 28

2.9 空间知识发现系统的体系结构和开发策略 38

2.10 本章小结 40

第3章 云理论及其扩展 42

3.1 引言 42

3.2 云模型及其扩展 42

3.2.1 云的基本概念 43

3.2.2 云的数字特征 44

3.2.3 正态云模型 44

3.2.4 云发生器 45

3.2.5 正态云的形态特征解析 47

3.2.6 二维和多维正态云模型 48

3.2.7 二维正态云发生器 52

3.2.8 Γ云模型、三角云模型及梯形云模型 54

3.3 虚拟云 57

3.3.1 浮动云 57

3.3.2 综合云 59

3.3.3 分解云 61

3.3.4 几何云 62

3.4 云运算 63

3.4.1 代数运算 63

3.4.2 逻辑运算 65

3.4.3 语气运算 66

3.5 云变换 67

3.5.1 云变换的基本思想 67

3.5.2 一种启发式云变换算法 68

3.6 基于云理论的不确定性推理 69

3.6.1 单规则推理 69

3.6.2 多规则推理 72

3.7 本章小结 77

第4章 云理论在空间数据发掘和不确定性处理中的应用 78

4.1 基于云模型的空间概念表达 78

4.2 基于云模型的知识表达 81

4.3 基于云模型的概念生成方法 82

4.4 云模型与Apriori算法相结合从空间数据库发现关联知识 85

4.4.1 发现关联知识问题的描述 85

4.4.2 Apriori算法 86

4.4.3 基于云模型的属性空间软划分和概念提升 86

4.4.4 云模型与Apriori算法相结合 88

4.4.5 从空间数据库发现关联规则的试验 89

4.4.6 发掘空间关联知识的进一步讨论 93

4.5 基于云模型的空间数据库不确定性查询 94

4.5.1 基于云模型的GIS不确定性查询 94

4.5.2 不确定性查询结果的表示 95

4.5.3 不确定性查询试验 96

4.6 本章小结 100

第5章 Rough集理论及其在GIS属性分析和知识发现中的应用 101

5.1 Rough集的基本概念和性质 101

5.1.1 Rough集的基本概念 101

5.1.2 Rough集下近似和上近似的基本性质 102

5.1.3 Rough集中的成员关系 103

5.1.4 不精确性的数字表征 103

5.1.5 不精确性的拓扑特征化（Rough集的分类） 103

5.1.7 集合的粗略相等和粗略包含 104

5.1.6 分类的近似 104

5.2 知识、知识库与知识表达系统 107

5.2.1 知识与知识库 107

5.2.2 知识的依赖 108

5.2.3 知识表达系统 108

5.3 属性值系统 109

5.4 属性的依赖 110

5.5 属性的简化与属性的核 111

5.6 属性的重要性 112

5.7 辨别矩阵 112

5.8 决策表分析与简化 114

5.8.1 决策表的定义及性质 114

5.8.2 决策表的简化与最小决策算法的生成 115

5.9 云理论与Rough集方法相结合用于知识发现和推理 120

5.10 本章小结 121

6.1 归纳学习的概念 122

第6章 归纳学习及其在空间数据发掘中的应用 122

6.2 DMKD中常用的归纳学习方法 123

6.2.1 面向属性的归纳方法AOI 123

6.2.2 决策树归纳学习方法ID3系列 124

6.3 最大方差法连续数据离散化 126

6.3.1 连续数据离散化相关研究 126

6.3.2 最大方差法连续数据离散化方法MaxVar 127

6.3.3 最大方差法与其他常用方法的对比试验 128

6.3.4 最大方差法与云理论的结合 132

6.4 空间数据库概念层次结构及其生成方法 132

6.5 一种探测性的归纳学习方法 134

6.5.1 探测性数据分析EDA 134

6.5.2 探测性归纳学习方法EIL 134

6.5.3 探测性归纳学习方法应用实例 135

6.6.1 遥感图像分类中对GIS信息的利用 143

6.6 基于归纳学习的遥感图像分类方法 143

6.6.2 相关研究介绍 144

6.6.3 基于归纳学习的遥感图像分类方法 146

6.6.4 遥感图像土地利用分类试验 148

6.7 归纳学习用于银行经营收益分析及选址评价 152

6.8 本章小结 156

第7章 空间数据聚类 157

7.1 已有聚类算法的分析 157

7.2 基于数学形态学的空间数据聚类算法MMC 158

7.3 MMC算法在矢量型空间数据库中的实现 163

7.4 用MMC算法发现离群值和空洞 164

7.5 空间数据聚类试验及分析 164

7.6 本章小结 165

第8章 总结与展望 166

参考文献 169