基于统计归纳学习的GIS属性数据挖掘

将统计分析方法和面向属性的归纳方法结合起来，形成了一种应用面比较广的统计归纳学习方法，可以用于GIS属性数据挖掘。同时提出GIS属性数据挖掘可以分为3个层次，包括从数据生成新的数据，从数据产生模型和从归纳出知识，由原始数据生成数据，可以得出变量之间粗浅的关系，从数据推导出的模型，可以定量描述变量之间的关系，由数据挖掘出的知识，可以揭示客观世界的普遍性规律。     

基于概念聚类和面向属性归纳的区划分析

从区划研究的现状出发,讨论了概念聚类和面向属性归纳技术,并将其结合运用于某地的农业产品区划,取得了较好的效果     

基于粗集理论的GIS属性数据挖掘

粗集理论作为一种新的处理含糊和不确定性问题的数学工具，可以有效地分析和处理不完备信息，已经在模式识别、机器学习、决策支持、过程控制、预测建模等众多科学与工程领域得到成功的应用，并具有相当的发展潜力。本文在深入研究粗集理论基础之上，讨论了基于粗集的知识表达系统，提出了属性约简的数据分析法，并利用此法对信息表中的海量信息进行简化，提取出有用特征，并相应评价各因素的重要性。本文最后以GIS属性挖掘为例进行实例分析，考察出它们的相互依赖性与相对重要性，取得了明显的效果。     

数据挖掘和知识发现的技术方法

数据挖掘是指从数据库中提取出隐含的、先前不知道的有用知识的过程。本文从数据挖掘和知识发现的概念出发 ,总结了数据挖掘常采用的技术方法 ,并从数据挖掘采用的技术方法的角度对数据挖掘进行分类 ,指出每种技术适合挖掘出哪些知识 ,比较每种技术的优缺点 ,同时还对几个数据挖掘的应用进行了阐述。     

空间数据挖掘和知识发现与地理可视化的集成

论述空间数据挖掘和知识发现以及地理可视化的理论及特点,指出二者集成的可能性和必然性,并在此基础上介绍一种集成方法.     

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架构,并对其关键技术进行了探讨性研究。     

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,并将共全面引入ＧＩＳ领域,归纳整理出Ｒｏｕｇｈ集理论用于ＧＩＳ中属性分析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。     

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。     

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。     

GIS属性数据精度的缺陷率度量统计模型

随着GIS数据采集规模的扩大和更新速度的提高，对GIS属性数据质量的检查、度量和控制变得越来越重要。基于抽样检验在测量数据精度分析中的思想，提出基抽样的缺陷率方法对GIS属性数据的精度进行度量。同时根据大多数GIS数据分层存储的特点，进一步提出采用分层抽样检验属性数据缺陷的方法，并给出基于分层抽样的属性数据精度的缺陷率模型和应用实例。     

基于GIS空间数据挖掘技术的应用研究

介绍了空间数据挖掘的概念,分析了基于GIS的空间数据挖掘的流程,详细介绍了空间数据挖掘在GIS中的应用和可视化方法,最后提出GIS空间数据挖掘存在的问题,阐述了技术的发展前景。     

GIS属性数据的精度度量及质量控制的抽样原理与方法

目前GIS空间数据精度分析与质量控制主要包括数据源质量分析、位置数据精度分析、属性数据精度分析、现势性分析、数据逻辑一致性分析以及数据完整性分析等.许多学者在位置精度分析方面做了大量的工作,并取得了一定的成果,主要涉及GIS数据数字化误差分析与图形要素的几何纠正,线元不确定性模型分析研究等.而在属性数据精度分析方面,则主要集中在遥感分类属性数据的精度分析和一些新方法的引入上,这方面的研究相对比较薄弱.本文在总结前述工作的基础上,采用抽样的原理和方法对属性数据精度的度量、属性数据抽样检验以及数据质量控制方法等作了探讨,主要内容包括:     

分层递阶近似空间下的GIS属性数据不确定性描述

GIS属性数据作为GIS实体的属性,具有模糊性、不确定性。由GIS实体对象和对象的属性组成的二元关系满足近似空间的特性。本研究从GIS信息系统的对象、属性出发,利用格概念,认为GIS属性数据集合可以构成偏序关系,并且(P(A),)构成一个完备的偏序格。如果从属性链的角度分析,GIS实体集在的细分划分空间关系下,可以构成分层递阶近似空间,并且随着属性个数的增加,知识颗粒将逐渐细化。     

基于边-节点和原子属性的多比例尺GIS数据模型

针对当前多比例尺GIS存在的数据冗余问题,提出并实现了一种基于边节点和原子属性的数据模型,在模型中较好地解决了复合属性问题,并讨论了该模型在实际应用中的适应性和可扩展性。     

面向目标数据模型在地理属性数据库中的应用

这篇文章分析了GIS属性数据库中传统关系数据模型所存在的问题;介绍了面向目标数据模型的基本概念;探讨了利用面向目标语言Hyper Talk和关系数据库管理系统Oracle的结合实现这种模型的可能性。按这种方式建立的地理属性数据库的原型表明,它可以克服传统的关系数据模型所存在的某些问题,提高数据库的效率。     

GIS属性数据管理及其深加工实现技术

介绍了GIS属性数据管理及其深加工涉及到的内容,其中包括数据维护、双向查询、图形数据和属性数据的关联、专题图的制作等,单纯利用GIS系统提供的功能已不能满足用户的需要,特别是专题图的制作方面。本文给出利用ADO技术实现GIS属性数据的管理和深加工的基本步骤和技术细节。     

GIS中属性数据质量控制的研究与探讨

主要研究地理信息系统中属性数据质量控制的内容、方法、意义、现状及发展,提出了简单对比检查的GIS属性数据质量控制模型,并根据概率论与数理统计理论,借助缺陷率这一指标,采用一般随机抽样和分层抽样统计模型计算缺陷率来对属性数据进行质量控制和研究。     

基于一般抽样原理的GIS属性数据质量评定方法

在一般抽样原理的基础上,给出了缺陷率统计模型,并推导出缺陷率的两个统计特征值均值和方差。理论结果和应用实例说明了缺陷率对GIS属性数据精度度量的可行性。在此基础上,利用缺陷率的均值和方差,详细给出了GIS数据生产时单幅数字地图以及多幅数字地图对应属性数据质量的评定应用。