领域专家知识及其在空间数据挖掘中的作用

根据空间数据挖掘的需要,提出把领域专家知识分为3类,即,属性划分规则(Attribute Partition Rule)、概念层次树(Concept Hierarchical Trees)和约束条件(Constraints).文中详细介绍了领域专家知识和领域专家在空间数据挖掘各个阶段的作用.领域专家知识的表示方法也是一个非常值得重视的问题,文中给出了常用的表示模型.     

基于不精确推理的GES辅助决策系统研究

介绍了地理专家系统(GES)辅助决策系统的构建原理与实现方法,讨论了GES中专家知识的表示方法与推理控制策略。系统将领域专家知识划分成不同的层次和类型,采用框架网络数据结构和产生式规则表示地理学领域专家的专门性知识与经验性知识,使知识的表示简洁易于理解。在知识的推理策略中引入不精确推理机制,保证了推理机制的实现。以乌鲁木齐河流域为试验区,阐述了流域土地合理利用规划决策专家知识的表示方法,以及专家知识表示的基本规则和系统专家知识的组织方式。     

论空间数据挖掘和知识发现

随着现代科技和传感器的发展和应用，复杂多变的空间数据日益膨胀，远远超出人的解译能力，迫切需要数据挖掘和知识发现为其提供知识。本文研究了空间数据挖掘和知识发现的含义、可发现的空间的关联、特征、分类和聚类等知识，以及它与数据挖掘与知识发现、机器学习、地学数据分析、空间数据库、空间数据仓库、数字地球等相关学科的关系，概述了SDMKD的产生和发展，分析和展望了SDMKD的应用开发。     

论空间数据挖掘和知识发现的理论与方法

首先分析了空间数据挖掘和知识发现（SMDKD）的内涵和外延；然后分别研究了用于SDMKD的概率论，证据理论，空间统计学，规则归纳，聚类分析，空间分析，模糊集，云理论，粗集，神经网络，遗传算法，可视化，决策树，空间在线数据挖掘等理论和方法及其进展；最后展望了SDMKD的发展前景。     

数字油藏空间数据挖掘与知识发现框架设计

油藏空间数据挖掘与知识发现是继油藏数字化建设后需要解决的一个重要问题.本文首先总结了数字油藏中空间数据的特征及数据处理的方法学基础,提出把数据挖掘思想用于油藏数据处理以获取更多有用信息,即油藏空间数据挖掘与知识发现.文章列出了四种可能的方案,简述了每一种方案的特点,最后结合数据库数据挖掘与GIS可视化,提出了油藏空间数据挖掘与知识发现的框架.对数据挖掘的主要模式进行了讨论,认为空间关联规则是油藏空间数据挖掘中最重要的一种知识模式,因而空间关联规则挖掘算法的设计也就成了油藏空间数据挖掘中需要解决的一个重要问题.     

基于网格技术的空间知识发现与数据挖掘研究

设计了基于服务网格的空间知识发现与数据挖掘的槊构，并对其关键技术进行了探讨性研究。     

空间数据挖掘技术及其应用

介绍了空间数据挖掘的概念，体系结构，常用的方法，可获取的知识类型及其应用。     

空间数据挖掘方法综述

空间数据挖掘和知识发现是空间数据库技术、空间数据荻取技术、计算机技术、网络通信技术和管理决策支持技术等发展到一定阶段的产物,是多学科相互交融和相互促进的新兴边缘学科,汇集了人工智能、模式识别、数据库、空间信息学、统计学等各学科技术的成果。如何在浩瀚的空间数据和人们的知识渴求之间建立一个桥梁的确是一个巨大的挑战,而以聚类、分类等人工智能技术为基础的空间数据挖掘为迎接这个挑战提供了新的支撑技术。总结了空间数据挖掘方法的国内外研究现状,为深入研究空间数据挖掘方法提供参考价值。     

空间数据挖掘中聚类分析算法的研究

随着数据获取技术的发展以及数据获取手段的多样化，大量与空间位置相关的数据被收集，人们迫切需要强有力的数据分析工具来从这些数据中获取信息或知识，这一需求导致了空间数据挖掘这一全新研究领域的出现。空间聚类分析既可以发现隐含在海量数据中的聚类规则，又可以与其它数据挖掘方法结合使用，发掘更深层次的知识，提高数据挖掘的效率和质量，是空间数据挖掘的重要研究方向之一。其主要研究内容和相关结论如下：     

基于空间认知的地理空间信息知识服务体系初探

结合空间认知理论,提出了地理空间信息知识服务的基本过程,包括空间感受、空间思维、空间分析和知识挖掘等。同时对进行知识服务过程中涉及的地理空间信息管理、信息表达、空间分析和数据挖掘,以及协同计算技术等4个关键技术进行了初步探讨和分析。最后结合实际给出了地理空间信息知识服务将来的应用领域。     

可视化空间数据挖掘研究综述

空间数据挖掘针对的是更具有可视化要求的地理空间数据的知识发现过程,可视化能提供同用户对空间目标心理认知过程相适应的信息表现和分析环境,可视化与空间数据挖掘的结合是该领域研究发展的必然,并已成为一个研究热点。论文综述了空间数据挖掘和可视化的研究现状,重点阐述了空间数据挖掘中的可视化化技术及其应用,并对可视化空间数据挖掘的发展趋势进行了阐述。     

基于面向对象知识表达的空间推理决策及应用

提出了一种基于面向对象知识表达的空间推理决策方法 ,该方法扩展了常规的GIS空间分析功能 ,使其建立在GIS空间分析与领域知识基础上。认为GIS空间分析与领域知识利用的结合需要建立统一的知识表达概念模型 ,通过将常规决策知识设计为决策知识类 ,将决策事实作为事实知识类处理 ,并由知识类的消息机制进行内部通讯 ,实现空间推理决策的智能化。在进行领域知识分析与知识分类的基础上 ,给出了领域知识类的层次结构组织图和知识类定义以及决策知识及事实知识的面向对象表达 ,最后给出了空间知识类的形成及空间推理决策过程。方法的实用性在实践中得到验证     

GIS辅助下的Bayes法遥感影像分类

介绍了Bayes分类器 ,提出了从GIS空间数据库中挖掘知识用以辅助进行遥感影像分类的方法。文中以规则的形式表示遥感影像的解译知识 ,并使用其它地理辅助数据 ,从遥感影像处理、地理辅助数据、专家知识一体化的角度出发 ,使用基于知识的方法进行了分类研究 ,改善了分类精度。实验表明这是一种较好的分类方法。     

空间知识网格体系架构及其实现技术探讨

空间知识网格是以网格GIS的基础设施、空间数据网格、空间信息网格(狭义)为基础,运用基本的网格服务建立的智能、高效、协作的决策支持平台。空间知识网格具有以服务为核心、基于开放的技术标准和协议、智能化的知识挖掘过程和完整的结构体系等特点,主要完成空间知识的管理与分析应用,如空间数据管理与操作、空间分析与计算、地图编制和遥感图像处理等。本文系统论述了空间知识网格的体系结构,并以实例阐述了空间知识网格的实现流程及其关键技术。     

采用聚类技术探测空间异常

提出了一种基于聚类的空间异常探测方法。该方法通过空间聚类获得局部相关性较强的实体集合,分别探测空间异常,给出了一种稳健的空间异常度量指标,提高了异常探测结果的可靠性。通过实例验证以及与SOM方法的比较分析,证明了该方法的正确性和优越性。     

GIS辅助下的基于数据挖掘的林型遥感分类方法研究

在植被分类领域,各类植被光谱特征非常相近,纹理特征比较单一,并且受物候影响较大,使得影像上林地信息的分类识别的成为一个较复杂的过程。本文利用GIS平台构建由影像、DEM等组成的多元空间数据库,将数据挖掘的方法引入林型遥感分类中,充分利用了现有的空间数据资源,减少了同物异谱、异物同谱对林型遥感分类的影响,增强了分类知识获取的自动化和智能化程度。实验结果表明,该方法具有简化知识获取过程和提高分类精度等优点。     

基于规则知识的空间推理研究

在一般空间推理的基础上 ,提出了空间推理扩展 ,即基于规则知识的空间推理。该方法结合了人工智能的基本原理 ,继承并发展了空间推理的方法学 ,其推理过程建立在空间知识与模型集成的基础上 ,以规则知识为推理控制 ,因而更符合实际 ,具有更大的灵活性。实例验证了本方法的正确性。