空间数据挖掘的理论与应用PDF|Epub|txt|kindle电子书版本网盘下载

空间数据挖掘的理论与应用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　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FGDC132

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　GeoMiner547

16.2.2　MultiMediaMiner549

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　GISDBMiner552

16.3.2　RSImageMiner554

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