空间数据挖掘的理论与应用PDF电子书下载

第1章　绪论 1

1.1　空间数据挖掘的由来 1

1.1.1 过量的空间数据 1

1.1.2　数据带来的灾难 3

1.1.3　数据利用的尝试 5

1.1.4 空间数据挖掘的提出 6

1.1.5 空间数据挖掘的任务 7

1.2　空间数据挖掘国内外研究进展 8

1.2.1 学术活动 8

1.2.2　理论方法 9

1.2.3 应用成果 10

1.3.1　海量的空间数据 12

1.3　空间数据挖掘的难点 12

1.3.2　高维的空间数据 13

1.3.3 有污染的空间数据 13

1.3.4　不确定的空间数据 14

1.3.5 空间数据挖掘的角度 15

1.3.6　发现知识的表示 15

1.4　本书的内容和组织结构 16

参考文献 17

第2章　空间数据挖掘基础 19

2.1　基本概念 19

2.1.1　基本特性 19

2.1.2　不同角度的理解 20

2.1.3 空间数据挖掘金字塔 21

2.2.1 人类思维 22

2.2　空间数据挖掘视角 22

2.2.2　概念空间 23

2.2.3　特征空间 24

2.2.4　发现状态空间 24

2.2.5　数据挖掘机理 26

2.3　从空间数据到空间知识 26

2.3.1 数字和空间数值 27

2.3.2 空间数据和空间概念 27

2.3.3 空间信息和空间知识 28

2.4　空间粒度和空间尺度 30

2.4.1 空间粒度 30

2.4.2 空间尺度 31

2.4.3 泛概念树 31

2.5　空间数据挖掘可发现的知识类型 32

2.5.1 普遍几何知识和面向对象知识 33

2.5.2 空间特征规则和区分规则 33

2.5.3 空间分类规则和回归规则 34

2.5.4 空间聚类规则和关联规则 35

2.5.5 空间依赖规则和预测规则 36

2.5.6 空间序列规则和空间例外 36

2.6　空间知识的表达 37

2.6.1 自然语言 37

2.6.2　云模型的贡献 37

2.6.3 空间知识的测度 38

2.6.4 空间规则＋空间例外 39

2.7　空间在线数据挖掘 40

2.7.1 网络资源 40

2.7.2 主要内容 40

2.8.1 数据挖掘 41

2.8　空间数据挖掘与相关学科的关系 41

2.8.2　机器学习 42

2.8.3 人工智能 43

2.8.4　模式识别 43

2.8.5 推理方法 44

2.8.6　地学数据分析 44

2.8.7 空间数据库系统 44

2.9　小结 45

参考文献 46

第3章　空间数据挖掘的数据源 48

3.1　空间数据的内容和特性 48

3.1.1 空间数据的内容 48

3.1.2 空间数据的特性 51

3.1.3 空间数据的种类 52

3.2　空间数据获取 53

3.2.1 点方式获取空间数据 54

3.2.2　面方式获取空间数据 61

3.2.3　移动方式获取空间数据 73

3.2.4　卫星应用技术的作用 86

3.2.5　基础空间数据采集中的主要问题 86

3.3　空间数据结构 88

3.3.1 矢量数据结构 88

3.3.2　栅格数据结构 89

3.3.3 矢量和栅格的比较 90

3.3.4　矢栅一体化数据结构 91

3.3.5　超图数据结构 98

3.3.6 纯关系数据结构 98

3.4　空间数据模型 99

3.4.1 层次模型 100

3.4.2 网络模型 101

3.4.3　关系模型 102

3.4.4 面向对象数据模型 103

3.4.5　基于DEM的可视化模型 111

3.5　空间数据库 114

3.5.1 空间数据库的分类 114

3.5.2 空间数据索引机制 116

3.5.3 空间数据的无缝组织 118

3.5.4 空间数据融合 122

3.5.5 空间数据库技术的不足 123

3.6.1　数据仓库 126

3.6.2　空间数据立方体 126

3.6　空间数据仓库 126

3.6.3 空间数据仓库和数据挖掘 128

3.7　小结 129

参考文献 129

第4章　国家空间数据基础设施 131

4.1　美国的国家空间数据基础设施 131

4.1.1 美国总统12906号行政令 131

4.1.2 美国FGDC 132

4.1.3　美国国家空间数据交换网站 133

4.1.4 美国FGDC空间数据转换标准 135

4.1.5　美国国家数字地球数据框架 136

4.1.6　美国国家空间数据基础设施战略 145

4.1.7 开放式地理信息系统协会 151

4.1.8 美国地质调查局及其地理信息产品 155

4.2　其他国家和地区性空间数据基础设施 159

4.2.1 英国皇家测量局的地理空间数据系统 160

4.2.2　德国官方地形和制图信息系统 162

4.2.3 加拿大国家地形数据库 164

4.2.4 澳大利亚土地和地理信息系统 166

4.2.5 日本地理信息系统 171

4.2.6 亚太地区空间数据基础设施 175

4.2.7　欧洲空间数据基础设施 183

4.3　全球空间数据基础设施 190

4.3.1 产生背景 191

4.3.2　全球空间数据基础设施的组成 193

4.3.3　全球空间数据基础设施的主要参与者 194

4.3.4　全球空间数据基础设施的实施观点 196

4.4　数字地球 199

4.4.1 基本概念 199

4.4.2　数字地球的技术基础 200

4.4.3　数字地球的应用 202

4.5　中国国家空间数据基础设施 203

4.5.1　建设必要性 203

4.5.2　建设可能性 205

4.5.3　建议内容 207

4.5.4 国家测绘局对实施CNSDI的设想 208

4.5.5 中国地球空间数据框架的设计思想与技术路线 213

4.5.6 中国空间数据交换格式的设计思想与原则 225

4.6　小结 228

参考文献 228

第5章　空间数据清理 230

5.1　空间数据清理的必要性 230

5.1.1 有污染的空间数据 230

5.1.2 空间观测数据的数学模型及其误差 231

5.1.3 空间数据误差处理的发展阶段 234

5.1.4 空间数据清理的滞后 236

5.2　空间数据清理的概念 237

5.2.1 基本概念 237

5.2.2 基本内容 237

5.2.3 特点 238

5.3　空间数据清理的基本技术 238

5.3.1　不完整的空间数据 238

5.3.2 不准确的空间数据 239

5.3.3 重复记录的空间数据 240

5.3.4　不一致的空间数据 240

5.4　空间图形图像数据的清理 241

5.4.1　辐射形变的校正 241

5.4.3 一幅图像清理实例 243

5.4.2 几何形变的改正 243

5.5　空间观测数据的清理 244

5.5.1 系统误差处理方法 244

5.5.2　偶然误差处理模型 246

5.5.3　粗差处理模型 250

5.6　基于DHP法的空间数据选择 256

5.6.1 德尔菲法和层次分析法 256

5.6.2　DHP法基本原理 256

5.6.3　DHP法的专家选择 260

5.6.4　DHP法的指标规范化 261

5.7　空间数据的定性定量转换 262

5.8　小结 262

参考文献 263

6.1.1　概率论 264

第6章　空间数据挖掘可用的理论方法 264

6.1　确定集合理论 264

6.1.2　证据理论 265

6.1.3 空间统计学 266

6.1.4　规则归纳 266

6.1.5 聚类分析 268

6.1.6 空间分析 268

6.2　扩展集合论方法 269

6.2.1　模糊集 269

6.2.2　云模型 270

6.2.3 粗集 270

6.2.4　地学粗空间 272

6.3.1　神经网络 273

6.3　仿生学方法 273

6.3.2　遗传算法 274

6.4　可视化 275

6.5　决策树 276

6.6　理论方法讨论 276

6.6.1 对比分析 277

6.6.2　选择原则 277

6.7　小结 278

参考文献 278

第7章　图像纹理的空间统计分析理论 282

7.1　研究进展 282

7.2　随机场理论 283

7.2.1 随机过程的基本概念 283

7.2.2 随机过程的基本类型 285

7.2.3　Markov随机场与Gibbs场 288

7.2.4　Markov随机场在纹理表示中的应用 291

7.3　本征随机过程 292

7.3.1　变差函数 292

7.3.2 变差函数的物理性质 293

7.3.3　变差函数的数学性质 295

7.3.4 正则化和块金效应 298

7.3.5 变差函数的理论模型 300

7.4　在空间数据挖掘中的应用前景 303

7.5　小结 304

参考文献 304

第8章　地学粗空间 306

8.1　空间实体的描述近似性 306

8.2.1　数学基础 307

8.2　地学粗空间的概念 307

8.2.2　符号系统 308

8.2.3　粗元 310

8.2.4 测度 311

8.2.5　粗多维空间 312

8.3　粗实体 312

8.4　粗关系 314

8.5　粗算子 317

8.6　基于向量的属性简化 318

8.6.1 向量的核 319

8.6.2　粗集的核 319

8.7　在地球空间信息学中的应用 320

8.7.1 空间保真性 320

8.7.2　属性不确定性 321

8.7.4　矢量数据和栅格数据 322

8.7.3　对已有技术的数学解释 322

8.7.5 在空间数据挖掘中的作用 324

8.8　小结 324

参考文献 325

第9章　云模型 327

9.1　空间数据挖掘需要云模型 328

9.1.1 自然语言的不确定性 328

9.1.2　概率论和数理统计的方法 328

9.1.3　模糊集的不彻底性 330

9.1.4　粗集的笼统性 331

9.1.5　GIS模型的不足 332

9.1.6　灵敏度分析 334

9.1.7　随机性或模糊性 334

9.1.9　云模型的研究进展 335

9.1.8　云模型的方法 335

9.2　云的定义和特性 337

9.2.1　云的基本定义 337

9.2.2　云的数字特征 338

9.2.3 云的“3En”规则 339

9.2.4　云的可视化 340

9.2.5　云的数学外延 341

9.3　基本云模型 342

9.3.1　正态云模型 342

9.3.2　衍生云模型 342

9.4　云发生器及其误差 344

9.4.1 正向云发生器 344

9.4.2　逆向云发生器 345

9.4.3　条件云发生器 349

9.4.4　不确定性推理器 351

9.4.5　云发生器的误差 352

9.5　虚拟云 354

9.5.1　浮动云和综合云 354

9.5.2　分解云和几何云 356

9.6　云变换 357

9.6.1　峰值法云变换 357

9.6.2 原子云模型集的归整 359

9.7　基于云模型的不确定推理 359

9.7.1 单规则推理 359

9.7.2 多规则推理 361

9.8　小结 362

参考文献 363

10.1.1 非完备的观测数据 364

第10章　数据场 364

10.1　空间数据辐射 364

10.1.2　数据辐射 365

10.1.3　辐射介质变化的影响 366

10.1.4　数据辐射和物理辐射 366

10.1.5 数据辐射和最小二乘配置的区别 366

10.2　数据场的概念和性质 367

10.2.1 概念 367

10.2.2　独立性和就近性 368

10.2.3　遍历性和叠加性 369

10.2.4　衰减性和各向同性 370

10.3　数据场的场强函数 370

10.3.1　衍生场强函数 371

10.3.2　场强函数 372

10.3.3　场强函数和协方差函数的区别 373

10.4　数据场的势 373

10.4.1 势函数 374

10.4.2　等势线 374

10.4.3　势场和势心 374

10.4.4 自然拓扑类 375

10.5　数据场的影响因素 376

10.5.1　数据辐射因子 376

10.5.2　数据辐射亮度 379

10.5.3　数据数量 380

10.5.4　综合作用 381

10.5.5　势间距和笛卡儿网格点密度 382

10.6　数据场的可视化 383

10.7　小结 384

参考文献 385

第11章　基于概念格的空间数据挖掘 386

11.1　概念的形成 386

11.1.1 特征表说和原型说 386

11.1.2　概念的内涵及其外延 386

11.1.3　从表象到概念 387

11.1.4　分层结构 388

11.1.5　概念聚类 388

11.1.6 数据挖掘的概念形成 389

11.2　关联规则挖掘算法 389

11.2.1 关联规则挖掘过程 389

11.2.2　Apriori算法 390

11.2.3　优缺点分析 392

11.3.1　格论 393

11.3　概念格理论研究 393

11.3.2　概念格 394

11.3.3　Hasse图 395

11.3.4　概念子格 395

11.3.5　单值属性的形式背景 396

11.3.6 多值属性的形式背景 396

11.3.7　基于概念格的知识表达与处理 399

11.4　概念格的构建和Hasse图的绘制 401

11.4.1　传统的批处理算法和增量算法 401

11.4.2　增量式概念格的构建算法 402

11.4.3　增量式概念格的快速构建算法 407

11.5　关联规则的生成 416

11.5.1 冗余规则和非冗余规则 416

11.5.3 频繁封闭项集的产生子集 417

11.5.2　频繁封闭项集 417

11.5.4　非冗余规则的生成 418

11.5.5　规则的直接提取法 419

11.6　算法时间复杂度 420

11.6.1　概念格与Apriori算法对比 420

11.6.2　概念格的化简 422

11.7　基于概念格的分类和聚类算法研究 422

11.7.1　分类分析 422

11.7.2　聚类分析 423

11.8　小结 423

参考文献 423

第12章　宝塔滑坡的监测数据挖掘 425

12.1　宝塔滑坡 425

12.1.1　滑坡及滑坡灾害 425

12.1.2 滑坡监测方法 426

12.1.3 宝塔滑坡及其监测 428

12.1.4 宝塔滑坡监测的数据 429

12.1.5 宝塔滑坡的监测精度 430

12.2　滑坡监测数据挖掘的可行性 431

12.2.1 滑坡监测数据分析的不足 431

12.2.2　位移伪分布的缺陷 431

12.2.3 数据场的可用性 432

12.2.4　云模型的适宜性 433

12.2.5　发现状态空间的可操作性 434

12.3　宝塔滑坡形变监测数据挖掘的视角 434

12.3.1 视角类型 435

12.3.2 视角关系 435

12.3.4　基本组合视角 436

12.3.3 基本视角 436

12.3.5 宝塔滑坡监测数据的挖掘视角 438

12.4　同点异时同向的视角挖掘 438

12.4.1　X方向的数字特征 439

12.4.2　数字特征的定性诠释 441

12.4.3　Y、H方向的数字特征 442

12.4.4　数字特征可视化 446

12.5　异点同时同向的视角挖掘 448

12.5.1 滑坡变形概率分布密度辐射估计 448

12.5.2 数字特征 448

12.6　异点异时同向的视角挖掘 455

12.6.1 不同断面的数字特征值 455

12.6.2　滑坡的数字特征值 458

12.7.1 不同方向上的例外 460

12.7　基于数据场的例外挖掘 460

12.7.2 整体例外 461

12.7.3　规则＋例外 461

12.8　宝塔滑坡形变监测的知识及讨论 465

12.8.1　发现的知识 465

12.8.2　挖掘机理 467

12.8.3 知识检验 468

12.8.4 方法讨论 468

12.9　小结 470

参考文献 470

第13章　基于归纳学习和粗集的空间数据挖掘 471

13.1　基于归纳学习的空间数据挖掘 471

13.1.1 在空间数据库中的实施途径 471

13.1.2　遥感图像土地利用分类 472

13.1.3　银行经营收益分析及选址评价 478

13.1.4 空间关联知识挖掘 483

13.2　基于粗集的空间数据挖掘 487

13.2.1 基于地学粗空间的河流遥感影像分类 487

13.2.2　基于粗神经网络的遥感影像描述 488

13.2.3　基于粗集的遥感影像预处理方法 489

13.2.4　基于粗集理论的遥感影像分类知识获取 490

13.2.5　粗集在GIS属性分析中的应用 491

13.2.6 中国主要城市气温数据挖掘 492

13.2.7 中国大陆农业统计数据挖掘 494

13.3　粗集的潜在应用 499

13.4　小结 499

参考文献 500

14.1.2　概念聚类 501

14.1.1　分割算法 501

第14章　空间聚类知识挖掘 501

14.1　聚类挖掘算法回顾 501

14.1.3　等间隔法 502

14.1.4　层次算法 502

14.1.5　其他聚类 503

14.2　“数据场－云”聚类 503

14.2.1　聚类算法 503

14.2.2 削除势心 504

14.2.3 二维数据集聚类 504

14.2.4　方法分析 506

14.3　基于数据场的模糊综合聚类 506

14.3.1　模糊综合评判和模糊聚类分析的不足 506

14.3.2　模糊综合聚类原理 507

14.3.4　极大剩余法 509

14.3.3　模糊聚类置信水平 509

14.3.5 平均绝对值距离法 510

14.3.6　土地评价 510

14.3.7　方法讨论 515

14.4　基于数学形态学的聚类 515

14.4.1　聚类算法 515

14.4.2　在矢量型空间数据库中的实现 519

14.4.3　发现偏差值和空洞 520

14.4.4 空间数据聚类试验及分析 520

14.5　小结 522

参考文献 522

第15章　基于空间统计学的图像挖掘 524

15.1　基于纹理的图像检索 524

15.1.1　火车车轮检测 525

15.1.2　基本算法 526

15.1.3　人脸识别 528

15.2　图像模板窗口的确定 530

15.2.1　图像数据块 531

15.2.2　算法原理 532

15.3　遥感图像检索的特征提取 533

15.3.1 图像检索特征 533

15.3.2　灰度直方图特征 535

15.3.3　基于小波变换的边缘特征提取 537

15.3.4　火车车轮试验 540

15.3.5　基于形状的灰度直方图相似性比较 543

15.4　小结 545

参考文献 545

16.1.1 系统功能及分类 546

16.1.2　系统开发策略 546

16.1　系统结构和开发策略 546

第16章　空间数据挖掘系统研发 546

16.2　主要空间数据挖掘系统 547

16.2.1　GeoMiner 547

16.2.2　MultiMediaMiner 549

16.2.3　其他空间数据挖掘系统 551

16.3　GISDBMiner和RSImageMiner的研制 551

16.3.1　GISDBMiner 552

16.3.2　RSImageMiner 554

16.4　小结 564

参考文献 564

第17章　结论和展望 566

17.1　创新和结论 566

17.2　应用前景 568