空間數(shù)據(jù)發(fā)掘與知識發(fā)現(xiàn)

定　價：￥35.00

作　者：	邸凱昌著
出版社：	武漢大學(xué)出版社
叢編項：	數(shù)字地球基礎(chǔ)叢書
標(biāo)　簽：	地理信息系統(tǒng)

購買這本書可以去

ISBN：	9787307032705	出版時間：	2000-01-01	包裝：	膠版紙
開本：	24cm	頁數(shù)：	182	字?jǐn)?shù)：

內(nèi)容簡介

　　本書以云理論、Rough集理論和歸納學(xué)習(xí)方法為主要研究方法，以GIS智能化分析和遙感圖像的自動解譯為主要應(yīng)用目標(biāo)，系統(tǒng)研究了空間數(shù)據(jù)發(fā)掘和知識發(fā)現(xiàn)的理論與方法?！?shù)據(jù)發(fā)掘與知識發(fā)現(xiàn)（DataMiningandKnowledgeDiscovery）是20世紀(jì)90年代興起的一門信息技術(shù)領(lǐng)域的前沿技術(shù)，它是在數(shù)據(jù)和數(shù)據(jù)庫急劇增長遠(yuǎn)遠(yuǎn)超過人們對數(shù)據(jù)處理和理解能力的背景下產(chǎn)生的，也是數(shù)據(jù)庫技術(shù)、人工智能技術(shù)、統(tǒng)計技術(shù)、可視化技術(shù)等發(fā)展融合的結(jié)果。其目的是從大量的、不完全的、有噪聲的、模糊的數(shù)據(jù)中，提取隱含在其中的、人們先前不知道但又是潛在有用的信息和知識，為數(shù)據(jù)和數(shù)據(jù)庫的處理和理解提供智能化、自動化的手段。空間數(shù)據(jù)發(fā)掘和知識發(fā)現(xiàn)（SpatialDataMiningandKnowledgeDiscovery，簡稱SDMKD）是從空間數(shù)據(jù)庫中提取隱含的、用戶感興趣的空間的和非空間的模式和普遍特征的過程。同空間數(shù)據(jù)庫管理系？臣燜骱筒檠齙男畔⑾啾齲占涫莘⒕蚣際醴⑾值鬧妒且?、精炼、高水平的并且有更大的价謸?dān)環(huán)矯嬋梢蘊(yùn)岣嚦占涫莘治齪陀τ玫鬧悄芑劍硪環(huán)矯嬋捎糜謚С忠８型枷竦淖遠(yuǎn)庖牒頭擲嗍侗穡俳８杏隚IS的智能化集成。SDMKD既是“3S'’集成中的一項關(guān)鍵技術(shù)，也是“數(shù)字地球”技術(shù)系統(tǒng)中的重要內(nèi)容。本書以云理論、Rough集理論和歸納學(xué)習(xí)方法為主要研究方法，GIS智能化分析和遙感圖像的自動解譯為主要應(yīng)用目標(biāo)，系統(tǒng)研究了空間數(shù)據(jù)發(fā)掘和知識發(fā)現(xiàn)的理論與方法。第1章介紹了數(shù)據(jù)發(fā)掘和知識發(fā)現(xiàn)的研究現(xiàn)狀，以及遙感和GIS領(lǐng)域?qū)χR發(fā)現(xiàn)的需求；第2章提出了空間數(shù)據(jù)發(fā)掘和知識發(fā)現(xiàn)的理論和技術(shù)框架，作為整個研究的方法論指導(dǎo)；第3章對云理論中的云模型、虛擬云、云變換、不確定性推理等進(jìn)行了系統(tǒng)研究和發(fā)展，提出了一系列新的模型和算法，為SDMKD中概念和知識表達(dá)、定量定性轉(zhuǎn)換、從數(shù)據(jù)中生成概念和概念層次結(jié)構(gòu)、屬性泛化等基礎(chǔ)性問題提供了新的有效的解決方法；第4章將云理論應(yīng)用于空間概念表達(dá)，從空間數(shù)據(jù)庫發(fā)掘關(guān)聯(lián)規(guī)則以及空間數(shù)據(jù)不確定性查詢等；第5章將Rough集理論引入GIS領(lǐng)域，歸納整理出Rough集理論用于GIS中屬性分析和知識發(fā)現(xiàn)的一整套方法；第6章研究了歸納學(xué)習(xí)方法在空間數(shù)據(jù)庫的實(shí)現(xiàn)以及在遙感圖像分類和GIS智能化分析中的應(yīng)用，提出了一套基于歸納學(xué)習(xí)的遙感圖像分類技術(shù)和流程，提出了一種靈活通用的探測性歸納學(xué)習(xí)方法；第7章提出了一種基于數(shù)學(xué)形態(tài)學(xué)的空間數(shù)據(jù)聚類算法；第8章是全書總結(jié)與展望。1995年，我的導(dǎo)師李德仁院士和李德毅院士高瞻遠(yuǎn)矚，共同攜我步人數(shù)據(jù)發(fā)掘與知識發(fā)現(xiàn)這一前沿和熱點(diǎn)領(lǐng)域。在論文研究過程中，兩位導(dǎo)師傾注了大量心血。李德仁教授百忙之中，花費(fèi)了大量時間對方法研究和應(yīng)用試驗給予具體指導(dǎo)，李德毅教授在云理論及其在數(shù)據(jù)發(fā)掘中的應(yīng)用方面經(jīng)常性地給予指導(dǎo)，并在很多細(xì)節(jié)問題上同我深入討論。在本書出版之際，向他們表示衷心的感謝和誠摯的敬意！在近幾年的學(xué)習(xí)和研究過程中，原武漢測繪科技大學(xué)信息工程學(xué)院、測繪遙感信息工程國家重點(diǎn)實(shí)驗室、研究生部以及作者所在單位國土資源部航空物探遙感中心的許多老師、領(lǐng)導(dǎo)、同學(xué)和同事給予了許多關(guān)懷、指導(dǎo)和幫助，在此表示衷心的感謝！本項研究，得到了測繪遙感信息工程國家重點(diǎn)實(shí)驗室基金項目（編號：WKL（97）0302）和國家自然科學(xué)基金優(yōu)秀國家重點(diǎn)實(shí)驗室研究項目（編號：40023004）的資助。本書的研究雖然取得了一些進(jìn)展，但對于空間數(shù)據(jù)發(fā)掘和知識發(fā)現(xiàn)這一嶄新的領(lǐng)域來說無疑是初步的。由于水平所限，書中可能有許多疏漏和不足之處，敬請批評和指正。

作者簡介

　　數(shù)據(jù)發(fā)掘與知識發(fā)現(xiàn)（DataMiningandKnowledgeDiscovery）是20世紀(jì)90年代興起的一門信息技術(shù)領(lǐng)域的前沿技術(shù)，它是在數(shù)據(jù)和數(shù)據(jù)庫急劇增長遠(yuǎn)遠(yuǎn)超過人們對數(shù)據(jù)處理和理解能力的背景下產(chǎn)生的，也是數(shù)據(jù)庫技術(shù)、人工智能技術(shù)、統(tǒng)計技術(shù)、可視化技術(shù)等發(fā)展融合的結(jié)果。其目的是從大量的、不完全的、有噪聲的、模糊的數(shù)據(jù)中，提取隱含在其中的、人們先前不知道但又是潛在有用的信息和知識，為數(shù)據(jù)和數(shù)據(jù)庫的處理和理解提供智能化、自動化的手段。

圖書目錄

第1章引言
1．1 遙感與田S的發(fā)展現(xiàn)狀
1．1．1 遙感與GIS的發(fā)展現(xiàn)狀
1．1．2 遙感與GIS面臨的困難
1．2 數(shù)據(jù)發(fā)掘和知識發(fā)現(xiàn)國內(nèi)外研究現(xiàn)狀
1．2．1 數(shù)據(jù)發(fā)掘和知識發(fā)現(xiàn)產(chǎn)生的背景
1．2．2 數(shù)據(jù)發(fā)掘和知識發(fā)現(xiàn)的發(fā)展歷程和現(xiàn)狀
1．2．3 數(shù)據(jù)發(fā)掘和知識發(fā)現(xiàn)的主要研究內(nèi)容
1．2．4 數(shù)據(jù)發(fā)掘和知識發(fā)現(xiàn)的研究方法與策略
1．2．5 數(shù)據(jù)發(fā)掘和知識發(fā)現(xiàn)面臨的困難
l．3 本書主要研究內(nèi)容
第2章空間數(shù)據(jù)發(fā)掘和知識發(fā)現(xiàn)的理論與技術(shù)框架
2．1 GIS與遙感中的數(shù)據(jù)、信息和知識
2．2 空間數(shù)據(jù)發(fā)掘和知識發(fā)現(xiàn)的定義與特點(diǎn)
2．3 空間數(shù)據(jù)倉庫與空間數(shù)據(jù)發(fā)掘
2．4 發(fā)現(xiàn)狀態(tài)空間理論及其擴(kuò)展
2．5 從空間數(shù)據(jù)庫中可發(fā)現(xiàn)的知識類型
2．6 空間數(shù)據(jù)發(fā)掘和知識發(fā)現(xiàn)中的知識表達(dá)方法
2．7 空間數(shù)據(jù)發(fā)掘和知識發(fā)現(xiàn)在GIS與遙感中的應(yīng)用
2．8 空間數(shù)據(jù)發(fā)掘和知識發(fā)現(xiàn)的方法
2．9 空間知識發(fā)現(xiàn)系統(tǒng)的體系結(jié)構(gòu)和開發(fā)策略
2．10 本章小結(jié)
第3章云理論及其擴(kuò)展
3．1 引言
3．2 云模型及其擴(kuò)展
3．2．1 云的基本概念
3．2．2 云的數(shù)字特征
3．2．3 正態(tài)云模型
3．2．4 云發(fā)生器
3．2．5 正態(tài)云的形態(tài)特征解析
3．2．6 二維和多維正態(tài)云模型
3．2．7 二維正態(tài)云發(fā)生器
3．2．8 r云模型、三角云模型及梯形云模型
3. 3 虛擬云
3．3．1 浮動云
3．3．2 綜合云
3．3．3 分解云
3．3．4 幾何云
3．4 云運(yùn)算
3．4．1 代數(shù)運(yùn)算
3．4．2 邏輯運(yùn)算
3．4．3 語氣運(yùn)算
3．5 云變換
3．5．1 云變換的基本思想
3．5. 2 —種啟發(fā)式云變換算法
3．6 基于云理論的不確定性推理
3．6．1 單規(guī)則推理
3．6．2 多規(guī)則推理
3．7 本章小結(jié)
第4章云理論在空間數(shù)據(jù)發(fā)掘和不確定性處理中的應(yīng)用
4．1 基于云模型的空間概念表達(dá)
4．2 基于云模型的知識表達(dá)
4．3 基于云模型的概念生成方法
4．4 云模型與Apriori算法相結(jié)合從空間數(shù)據(jù)庫發(fā)現(xiàn)關(guān)聯(lián)知識
4．4．1 發(fā)現(xiàn)關(guān)聯(lián)知識問題的描述
4．4．2 Apriori算法
4．4．3 基于云模型的屬性空間軟劃分和概念提升
4．4．4 云模型與Apriori算法相結(jié)合
4．4．5 從空間數(shù)據(jù)庫發(fā)現(xiàn)關(guān)聯(lián)規(guī)則的試驗
4．4．6 發(fā)掘空間關(guān)聯(lián)知識的進(jìn)一步討論
4．5 基于云模型的空間數(shù)據(jù)庫不確定性查詢
4．5．1 基于云模型的GIS不確定性查詢
4．5．2 不確定性查詢結(jié)果的表示
4．5．3 不確定性查詢試驗
4．6 本章小結(jié)
第5章 Rough集理論及其在GIS屬性分析和知識發(fā)現(xiàn)中的應(yīng)用．
5．1 Rough集的基本概念和性質(zhì)
5．1．1 Rough集的基本概念
5．1．2 Rough集下近似和上近似的基本性質(zhì)
5．1．3 Rough集中的成員關(guān)系
5．1．4 不精確性的數(shù)字表征
5．1．5 不精確性的拓?fù)涮卣骰?Rough集的分類)
5．1. 6 分類的近似
5．1．7 集合的粗略相等和粗略包含
5．2 知識、知識庫與知識表達(dá)系統(tǒng)
5．2．1 知識與知識庫
5．2．2 知識的依賴
5．2．3 知識表達(dá)系統(tǒng)
5．3 屬性值系統(tǒng)
5．4 屬性的依賴
5．5 屬性的簡化與屬性的核
5．6 屬性的重要性
5．7 辨別矩陣
5．8 決策表分析與簡化
5．8．1 決策表的定義及性質(zhì)
5．8．2 決策表的簡化與最小決策算法的生成
5．9 云理論與Rough集方法相結(jié)合用于知識發(fā)現(xiàn)和推理
5．10 本章小結(jié)
第6章歸納學(xué)習(xí)及其在空間數(shù)據(jù)發(fā)掘中的應(yīng)用
第7章空間數(shù)據(jù)聚類
第8章總結(jié)與展望