空间数据发掘与知识发现PDF|Epub|txt|kindle电子书版本网盘下载

空间数据发掘与知识发现PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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AOI123

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MaxVar127

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EDA134

6.5.2 探测性归纳学习方法EIL134

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MMC158

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