当前位置:首页 > 工业技术
空间模式挖掘理论与方法
空间模式挖掘理论与方法

空间模式挖掘理论与方法PDF电子书下载

工业技术

  • 电子书积分:12 积分如何计算积分?
  • 作 者:王丽珍,陈红梅著
  • 出 版 社:北京:科学出版社
  • 出版年份:2014
  • ISBN:7030411501
  • 页数:349 页
图书介绍:本书从算法的角度介绍我们在空间关联和并置模式挖掘领域的主要研究成果。为了更好地理解空间关联和并置模式挖掘技术如何用于各种类型的空间数据,本书按挖掘的目标(如关联或并置)和挖掘的数据(经典数据、不确定数据或模糊数据等)组织全书的内容。包括空间模式挖掘基础、空间关联分析、经典数据上的空间co-location模式挖掘、从空间不确定性数据中挖掘co-location模式、区间数据的空间co-location模式挖掘、模糊数据的空间co-location模式挖掘、倾斜和带约束数据的空间co-location模式挖掘、非频繁co-location模式挖掘以及空间模式挖掘原型系统(SCPMiner)开发等。对于有志于从事这个领域或相关领域的研究或应用的读者,应该能从本书找到有益的内容。当然,本书也可作为学习空间模式挖掘技术的一个起点。
《空间模式挖掘理论与方法》目录

第1章 绪论 1

1.1 背景及意义 1

1.2 什么是空间模式挖掘 4

1.3 空间模式挖掘的难点 6

1.4 空间模式挖掘任务 8

1.5 本书的内容与组织 13

相关工作 15

参考文献 17

第2章 空间模式挖掘基础 19

2.1 从事务数据到空间数据挖掘 19

2.2 空间数据的表示和建模 22

2.2.1 栅格结构 22

2.2.2 矢量结构 24

2.2.3 矢栅一体化结构 26

2.3 空间数据获取 29

2.3.1 基于Google Earth和Global Mapper获取空间数据 29

2.3.2 基于ArcGIS提取空间数据 33

2.4 空间计算 39

2.4.1 空间索引技术 39

2.4.2 空间近邻计算 45

2.4.3 空间远邻查询 48

2.4.4 寻找极大团和最大团 49

相关工作 53

参考文献 53

第3章 空间关联规则挖掘 55

3.1 空间关联规则的相关概念 55

3.1.1 空间谓词 55

3.1.2 概念层次树 57

3.1.3 空间查询 58

3.1.4 空间关联规则 61

3.2 自顶向下、逐步求精的空间关联规则挖掘 62

3.2.1 算法描述 62

3.2.2 算法分析 63

3.2.3 实例研究 63

3.3 基于等价划分树的多层空间关联规则挖掘 68

3.3.1 相关概念 68

3.3.2 划分和空间关联规则 70

3.3.3 优化策略 76

3.3.4 算法设计及实现 80

3.3.5 性能评估 84

3.4 空间关联规则挖掘在气象数据上的应用 86

3.4.1 问题提出 86

3.4.2 问题定义 86

3.4.3 挖掘结果分析 87

相关工作 88

参考文献 88

第4章 经典数据的空间co-location模式挖掘(1) 89

4.1 基本概念 89

4.1.1 co-location挖掘相关概念 89

4.1.2 co-location挖掘算法分类 93

4.2 基于完全连接的co-location挖掘算法 95

4.2.1 先验原理 95

4.2.2 全连接算法的基本思想 97

4.2.3 全连接算法(join-based algorithm) 98

4.2.4 候选co-location的产生与剪枝 100

4.2.5 产生候选co-location的表实例 101

4.2.6 计算参与度与多分辨剪枝(multi-resolution pruning) 102

4.2.7 产生co-location规则 104

4.2.8 计算复杂度 104

4.3 两种物化空间邻近关系的模型 107

4.3.1 星型邻居物化模型 107

4.3.2 团邻居物化模型 108

4.3.3 模型比较 109

4.4 无连接的co-location挖掘算法 109

4.4.1 基本介绍 110

4.4.2 无连接(join-less)算法 110

4.4.3 算法的完备性和正确性 113

4.5 部分连接的co-location挖掘算法 115

4.5.1 部分连接(partial-join)方法 115

4.5.2 分析比较join-based、join-less和partial-join算法 115

相关工作 119

参考文献 120

第5章 经典数据的空间co-location模式挖掘(2) 122

5.1 前缀树结构 122

5.1.1 问题提出 122

5.1.2 前缀树结构挖掘算法的实质分析 123

5.2 基于CPI-tree的co-location挖掘算法 124

5.2.1 CPI-tree:设计与构造 124

5.2.2 CPI-tree:分析与讨论 127

5.2.3 用CPI-tree生成co-location表实例 128

5.3 基于iCPI-tree的co-location挖掘算法 131

5.3.1 iCPI-tree定义 131

5.3.2 基于iCPI-tree的挖掘算法 132

5.3.3 iCPI-tree算法的完备性和正确性 136

5.3.4 iCPI-tree与CPI-tree算法的计算复杂度比较 137

5.4 基于有序团的极大co-location挖掘算法 139

5.4.1 极大co-location模式 139

5.4.2 候选极大co-location的产生 140

5.4.3 计算co-location表实例 141

5.4.4 基于有序团(order-clique-based)的算法 145

5.4.5 算法复杂度分析 147

5.5 前缀树算法的评估和总结 148

5.5.1 实验评估 148

5.5.2 co-location挖掘算法的一般模式 151

相关工作 151

参考文献 152

第6章 不确定性数据的空间co-location模式挖掘 154

6.1 空间不确定性数据的表示和建模 154

6.1.1 不确定性数据产生的原因 154

6.1.2 不确定性数据分类 155

6.1.3 不确定性数据的表示和建模 156

6.2 空间不确定性数据的距离计算 158

6.2.1 值不确定性连续对象的距离计算 158

6.2.2 值不确定性离散对象的距离计算 161

6.3 基于期望距离的频繁co-location挖掘 166

6.3.1 问题分析 167

6.3.2 Ujoin-based算法 167

6.3.3 边界矩形剪枝算法 168

6.3.4 三角不等式剪枝算法 170

6.3.5 实验评估 172

6.4 基于动态规划的概率频繁co-location挖掘 176

6.4.1 期望频繁与概率频繁 176

6.4.2 基本的动态规划算法 180

6.4.3 改进的动态规划算法 187

6.4.4 近似挖掘算法 191

6.4.5 实验评估 192

相关工作 202

参考文献 203

第7章 区间数据的空间co-location模式挖掘 205

7.1 区间实例的表示和划分 205

7.1.1 区间实例的表示 205

7.1.2 区间实例的模糊等价划分 206

7.2 从区间数表示的空间数据集中挖掘co-location模式 208

7.2.1 基于模糊等价类的co-location相关概念 208

7.2.2 挖掘算法设计 209

7.2.3 实验评估 213

7.3 不精确概率 215

7.3.1 证据理论 216

7.3.2 概率区间 216

7.3.3 模糊概率理论 216

7.3.4 可能性理论 217

7.4 概率区间下的可能世界模型 217

7.4.1 可能世界模型 217

7.4.2 概率区间的基本概念 218

7.4.3 概率区间下的可能世界模型 219

7.5 从带概率区间的不确定数据集中挖掘co-location模式 224

7.5.1 概率区间下模式的频繁点概率 224

7.5.2 概率区间下的co-location模式挖掘算法 226

7.5.3 实验分析 229

相关工作 234

参考文献 235

第8章 模糊数据的空间co-location模式挖掘 236

8.1 模糊挖掘基础 236

8.1.1 模糊集合的概念 236

8.1.2 模糊α-截集 237

8.1.3 模糊挖掘建模 238

8.2 模糊特征的空间co-location模式挖掘 240

8.2.1 相关定义及性质 240

8.2.2 基本挖掘算法(FB算法) 243

8.2.3 四个剪枝算法 244

8.2.4 评估与分析 250

8.3 模糊度阈值范围内模糊特征的co-location模式挖掘 254

8.3.1 问题的提出及相关定义 254

8.3.2 算法 256

8.3.3 评估与分析 259

8.3.4 “三江并流”项目中的应用 260

8.4 带模糊属性的co-location模式挖掘 264

8.4.1 属性模糊化 264

8.4.2 模糊co-location模式 266

8.4.3 模糊参与率(度)分析 268

8.4.4 挖掘算法及剪枝 269

8.4.5 评估与分析 273

8.4.6 在城市土壤重金属含量关系分析中的应用 276

相关工作 277

参考文献 278

第9章 加权co-location模式挖掘 279

9.1 最大参与率与最小加权参与率 279

9.1.1 最大参与率 281

9.1.2 最小加权参与率 281

9.2 基于最大参与率挖掘带稀有特征的co-location模式 284

9.2.1 一个基础算法 284

9.2.2 最大参与率的弱单调性与剪枝 285

9.3 基于加权参与率挖掘带稀有特征的co-location模式 289

9.3.1 基于加权参与率的基本挖掘算法 289

9.3.2 加权参与率的部分向下闭合性与剪枝算法 291

9.3.3 在模拟数据上的评估 294

9.3.4 在实际数据中的应用 297

9.4 带时间约束的加权co-location模式挖掘 298

9.4.1 相关定义和一个引理 298

9.4.2 基本挖掘算法 301

9.4.3 top-k挖掘算法 304

9.4.4 实验评估 306

相关工作 309

参考文献 310

第10章 负co-location模式挖掘及SCPMiner开发 312

10.1 负co-location模式 312

10.1.1 基本定义 312

10.1.2 负co-location模式的性质 314

10.1.3 负co-location模式挖掘的难点 315

10.2 非频繁co-location模式 315

10.2.1 非频繁co-location模式 316

10.2.2 非频繁co-location模式和负co-location模式比较 316

10.3 基于正负模式关系挖掘有趣的负co-location模式 316

10.3.1 挖掘有趣的负co-location模式算法 317

10.3.2 算法解释 318

10.3.3 算法的正确性、完整性及复杂度分析 319

10.3.4 算法实验评估 323

10.3.5 基于正负co-location模式挖掘的城市规划分析 325

10.4 空间模式挖掘原型系统(SCPMiner)开发 331

10.4.1 SCPMiner分析与设计 331

10.4.2 SCPMiner的实现 332

10.4.3 SCPMiner的可视化技术 338

相关工作 341

参考文献 341

词汇索引 343

返回顶部