一种基于机器学习算法的岩性填图方法

通过野外地质调查与机器学习方法的有机融合,提出了一种基于梯度提升决策树算法的岩性单元填图方法。研究以多龙矿集区为模型试验区,选择1∶5万勘查地球化学数据为基础预测数据,以1∶5万区域地质图为参考,进行基于梯度提升决策树算法的岩性预测填图模型试验。首先选择研究区内小范围空白区开展野外填图,建立原始数据集并初步构建岩性单元与预测数据对应关系;其次利用机器学习方法对预测数据进行多分类任务,进而开展目标填图区预测填图工作;最后通过概率选区选定概率较低目标区,开展进一步的小范围野外地质调查填图,对原始数据和知识库进行补充,迭代循环以上流程,直至预测填图达到要求。试验显示,随着迭代次数的增加,模型精度不断提高,并在7次迭代后模型准确率达到87%。该方法强调在实际应用中野外地质调查与基于机器学习预测填图的深度融合,以及野外实地工作在整个流程中的重要性和不可或缺性;同时能够充分挖掘已有数据资料的有用信息,用于辅助修正已有岩性填图内容,或根据已勘探区资料对邻近的未勘探区进行岩性分类,有效减少野外填图工作量,是对岩性填图方法、地质单元定量预测识别的有益探索,为区域地质填图工作提供了新的参考思路和辅助手段。      

基于变网格聚类的离群数据的研究

随着计算机技术的迅速发展,计算机在过程控制中起着越来越重要的作用,在集散控制系统中,上位机通过PCU(Process ControlUnit)传送来的数据进行分析处理而后对PCU实现参数整定、报警与管理。因此这一领域的数据挖掘方法研究具有十分重要的意义。文章将根据这一领域的特殊情况,提出一种基于变网格的聚类分析算法分析过程数据库中的离群数据,从而实现系统的预测报警功能。     

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。     

1：25万地形图数据挖掘初探

为使1：25万地形图在国民经济建设中得到充分利用，提出对1：25万地形图进行数据挖掘设想，并介绍了1：25万地形图的空间特性、时间特性和属性特性方面进行数据挖掘的方法，重点探讨地形图属性因子评价标准的建立及对属性因子进行数理统计分析的方法。     

基于粗规则对象空间信息表的最小规则集生成

提出了粗规则对象空间信息表的概念、相关概念和性质，并给出实现粗规则最小化算法。基于此，编写了相应的计算机程序，并对一个地理信息系统实例规则进行了研究。实例表明运行可靠、结果正确，可应用于智能决策信息系统的知识库优化。     

数据库知识发现技术及其在测绘中的应用

详细介绍了数据挖掘与数据库中的知识发现 (KDD)技术 ,给出了KDD的定义以及KDD具体实现的3种处理模型 ,并从GIS和遥感影像分析两个方面论述了KDD技术在测绘中的应用     

地球空间信息相关论文摘要

060301空间斜方位投影研究/任留成(中国科学院遥感应用研究所)…//测绘学报.-2006,35(1).-35~39研究了描述卫星遥感图像数据的空间斜方位投影,导出了卫星星下点轨迹投影公式和空间斜方位投影公式,分析了其投影变形情况,给出了具体的算例。060302地图数字化中基于点位坐标的统一     

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。