矢量圖形特征的空間數據挖掘及其應用

所属分类:信息系統  
出版时间:2007-12   出版时间:科學   作者:畢碩本   页数:284  

内容概要

  《矢量圖形特征的空間數據挖掘及其應用》系統地闡述了矢量圖形特征的空間數據挖掘這一研究領域內的基本概念、基本過程與相關方法,及其在姜寨遺址一期文化聚落中的應用。全書共包括12章,主要內容涉及姜寨一期聚落的空間分析、基于GIS數據庫的剖面數據挖掘、矢量特征的空間分類挖掘、矢量特征的空間聚類挖掘、基于屬性數據庫的關聯挖掘、基于屬性數據庫的泛化挖掘、矢量特征的神經網絡空間分類、矢量特征的遺傳算法空間分類、矢量特征的模糊空間聚類、空間知識推理、矢量特征的模糊空間推理等。  《矢量圖形特征的空間數據挖掘及其應用》內容豐富,組織嚴謹,邏輯性強,概念、原理、方法和應用結合緊密,圖表豐富,可讀性強。  《矢量圖形特征的空間數據挖掘及其應用》可作為大專院校計算機、地理信息系統、計算數學專業以及相關專業高年級本科生和研究生參考書,也可供從事計算機、地理信息系統、計算數學專業和數據挖掘相關軟件開發的科技人員,以及有關大專院校師生參考。

作者简介

  畢碩本,1965年生,山東昌邑人,博士,南京信息工程大學計算機與軟件學院教授。1987年7月本科畢業于大慶石油學院計算機與控制工程系計算機軟件專業,1996年3月碩士畢業于哈爾濱工業大學計算機科學與技術系計算機軟件專業,2004年6月博士畢業于南京師範大學地理科學學院地圖學與地理信息系統專業,2006年6月從南京師範大學數學與計算機學院數學博士後流動站出站。中國計算機學會高級會員、中國地理學會會員、中國GIS協會會員。2006年12月被選為江甦省教育廳“青藍工程”學術帶頭人培養對象。目前主要從事計算機軟件、地理信息系統、空間數據挖掘、智能計算等方面的研究工作。主持與參加的項目有︰中國石油集團總公司科技項目“大慶油田地面建設信息系統”,國家自然科學基金項目“長江三角洲地區地下水開采與地面沉降虛擬調控試驗”,863計劃項目“虛擬地理環境系統的研究與開發”,南京師範大學“十五”期間“211工程”學科建設項目“田野考古發掘地理信息系統”等。獲得國家級“優秀計算機軟件金獎”1項,省部級以上科研獎勵5項,發表學術論文40多篇,出版著作2部,教材1部,獲得軟件著作權4項。

书籍目录

前言第1章 緒論1.1 引言1.2 數據挖掘概述1.3 空間數據挖掘概述1.4 計算智能1.5 國內外研究現狀與發展趨勢第2章 姜寨一期聚落的空間分析2.1 空間分析的基本概念2.2 空間分布2.3 空間關系的分析方法2.4 姜寨遺址的地理環境2.5 姜寨聚落的三環結構2.6 姜寨遺址的廣場問題2.7 姜寨遺址的若干遺跡分布2.8 主要遺跡間空間關系的分析第3章 基于GIS數據庫的剖面數據挖掘3.1 遺址的文化層分布情況3.2 文化層的標準層與剖面圖形庫結構3.3 文化層的空間數據挖掘3.4 剖面上遺跡的空間數據挖掘第4章 矢量特征的空間分類挖掘4.1 空間數據庫的設計與圖形數據的預處理4.2 分類算法4.3 居住區的分類挖掘4.4 墓葬區的分類挖掘第5章 矢量特征的空間聚類挖掘5.1 聚類算法5.2 居住區的聚類挖掘5.3 墓葬區的聚類挖掘5.4 重要遺跡的空間分布挖掘第6章 基于屬性數據庫的關聯挖掘6.1 屬性數據庫的設計與預處理6.2 關聯規則算法6.3 房屋的數據挖掘6.4 墓葬的數據挖掘6.5 窖穴的數據挖掘6.6 灶坑的數據挖掘第7章 基于屬性數據庫的泛化挖掘7.1 泛化規則算法7.2 遺物的數據挖掘7.3 房屋的分組與時序數據挖掘第8章 矢量特征的神經網絡空間分類8.1 引言8.2 神經網絡的發展與研究現狀8.3 感知器模型8.4 多層感知器8.5 自組織競爭網絡8.6 自組織特征映射網絡8.7 學習矢量量化網絡8.8 支持向量機8.9 姜寨聚落遺址矢量特征的神經網絡空間分類研究第9章 矢量特征的遺傳算法空間分類9.1 引言9.2 進化計算的研究現狀9.3 進化計算概述9.4 遺傳算法基本理論9.5 遺傳機器學習9.6 姜寨聚落遺址矢量特征的遺傳算法空間分類研究第10章 矢量特征的模糊空間聚類10.1 引言10.2 模糊理論研究現狀10.3 模糊集合及其表示10.4 模糊關系與模糊矩陣10.5 模糊分類方法10.6 姜寨聚落遺址矢量特征的模糊空間聚類研究第11章 空間知識推理11.1 空間知識的表示與存儲11.2 空間知識推理機制的結構11.3 空間知識推理11.4 考古遺跡的知識推理第12章 矢量特征的模糊空間推理12.1 引言12.2 模糊邏輯研究現狀12.3 模糊關系12.4 模糊邏輯和模糊推理12.5 模糊推理的各種模型12.6 姜寨聚落遺址的模糊空間推理研究參考文獻

章节摘录

  第1章 緒論  1.1 引言  隨著計算機信息處理技術的進步,數據和數據庫急劇膨脹,而數據庫中隱藏的豐富的知識遠遠沒有得到充分的挖掘和利用,數據庫急劇增長與人們對數據庫處理和理解的困難之間形成了強烈的反差。數據挖掘(datamining,DM)和數據庫知識發現(knowledge discovery in databases,KDD)技術就是在這種狀況下應運而生的,其目的是為數據庫理解與應用提供自動化、智能化的手段。空間數據是人們藉以認識自然的重要數據,空間數據庫含有空間數據和非空間數據,非空間數據是除空間數據以外的一切數據。所以,也可以認為空間數據庫是通用的數據庫,其他數據庫是空間數據庫的特殊形態。由于空間數據的數量和復雜性都在飛快地增長,要求終端用戶詳細分析這些空間數據,並提取感興趣的知識或特征是很困難的。因此,從空間數據庫中自動地挖掘知識、尋找隱藏在空間數據庫中的不明確的和隱含的知識以及空間關系或其他模式(即進行空間數據挖掘)的研究變得越來越重要。在當前,空間數據中矢量圖形數據與影像數據相互並存,但矢量圖形數據具有許多比影像數據更加優越的特點。以李德仁院士領導的研究群體為代表,對影像數據類型的空間數據挖掘研究,做出了很多富有成效的研究成果,而對面向矢量圖形特征進行空間數據挖掘的研究一直很貧乏。  智能空間數據挖掘是將不完全、不可靠、不精確、不一致和不確定的數據和信息通過數據挖掘的技術手段逐步改變為完全、可靠、精確、一致和確定的知識和信息的過程和方法。它利用對不精確性、不確定性的容忍來達到問題的可處理性和魯棒性。智能空間數據挖掘除涉及地理信息系統、空間數據挖掘技術外,還涉及信息科學的多個領域,是人工神經網絡、模糊系統理論、進化計算,同時包括人工智能等理論和方法的綜合應用。

图书封面




    矢量圖形特征的空間數據挖掘及其應用下載



用户评论 (总计0条)

 
 

 

計算機與互聯網 PDF免费下载,信息系統PDF免费下载。 计算机教程网 

计算机教程网 @ 2017