体现主客观信息的土地定级因素综合集成赋权法研究

应用云模型、特尔斐法、关联分析法研究了土地定级中各影响因素的合理赋权问题，提出了体现主客观信息的土地定级因素综合集成赋权方法，并依据武汉市土地定级指标体系和有关数据，对武汉市土地定级影响因素进行了权重挖掘。     

基于拓扑势的网络节点重要性排序及评价方法

基于数据场提出了基于拓扑势的节点重要性评价算法,该算法能更为精细、真实地反映节点的重要性.利用自然语言,建立了一个可以简练描述节点重要性"公理集",基于拓扑势的节点重要性评价比其他重要性评价方式更接近于该"公理集"的描述.最后运用基于数据场的层次聚类算法,对节点的重要性程度进行了定性划分.     

空间数据发掘和知识发现的框架

探讨和提出了空间数据发掘和知识发现的理论技术框架，包括空间数据发掘和知识发现的定义与描述、理论框架、从空间数据库中可发现的知识类型及其应用、数据发掘与知识发现方法、空间知识发现系统的结构及开发方法等，最后探讨了空间数据发掘和知识发现的发展方向。     

Rough集理论及其在GIS属性分析和知识发现中的应用

介绍了Rough集理论的概念与方法,并将其全面引入GIS领域,归纳整理出Rough集理论用于GIS中属性分析和知识发现的一整套方法,为GIS的属性分析和知识发现开辟了一条新途径。     

基于云模型和关联度分析法的土地评价因素权重挖掘

采用云模型，将土地评价因素指标的自然语言描述映射为可细微变化的不同云滴，利用云不确定性推理，实现定性和定量的合理转换。在此基础上，结合关联度分析法，提出了一种新的土地评价影响因素权重获取方法，并给出了实验结果。     

基于空间数据发掘的遥感图像分类方法研究

采用数据发掘技术从 ＧＩＳ数据库和遥感图像中发现知识,用于改善遥感图像分类。提出了两种实施空间数据归纳学习的途径：在空间对象粒度上学习和直接在像元粒度上学习。分析了两种粒度学习的特点和适用范围,同时提出了一种归纳学习与传统图像分类法的结合方式。用北京地区 ＳＰＯＴ多光谱图像和 ＧＩＳ数据库进行土地利用分类的试验证明,归纳学习能较好地解决同谱异物、同物异谱等问题,显著提高分类精度,并且能够根据发现的知识进一步细分类,扩展了遥感图像分类的能力。