基于云理论和Rough集理论的空间数据发掘和知识发现技术开发与研究

摘要

空间数据发掘和知识发现(DMKD)有很多种方法。云模型理论和Rough集理论就是其中的两种非常有用的方法。Rough集方法进行数据发掘和知识发现可以简化决策表、从纷繁复杂的数据中发现隐含的知识，但是它强调的是信息系统中知识的不完全性、不可分辨性，其处理方法是确定性的，要求属性值都是定性值。而实际应用中大量存在的是定量数据，必须设法转换成定性数据才能运用Rough集方法。值得欣慰的是云理论研究的是信息系统中知识的模糊性和随机性，为定量定性间的不确定性转换提供了模型与工具。因此二者形成功能上的互补，把二者结合起来将能够增强知识发现的能力。　　本文对云理论和Rough集理论进行了简要阐述、提出了二者结合的框架，并依据贵州地质灾害信息系统的开发实践，给出了二者结合具体的实现步骤。在此过程中本文根据云理论和Rough集理论对引进的以前文献中的一些算法进行了改进，创写了部分新的算法，对改进算法和新算法中运用到的一些新概念进行定义，并对新的和改进的算法的运行结果进行了分析和评价。

目录

文摘

英文文摘

前言

0.1选题背景

0.2选题目的

0.3选题意义

0.4小结

第1章GIS与数据发掘和知识发现

1.1 GIS的发展现状

1.1.1 GIS的发展史

1.1.2 GIS面临的困难

1.2数据发掘和知识发现的研究现状

1.2.1数据发掘和知识发现产生的背景

1.2.2数据发掘和知识发现的发展历程和现状

1.2.3数据发掘和知识发现的主要研究内容

1.2.4数据发掘和知识发现面临的困难

1.3本章小结

第2章云理论

2.1云的基本概念

2.2云的数字特征

2.3正态云模型

2.4云发生器

2.5二维和多维正态云模型

2.6二维正态云发生器

2.7本章小结

第3章Rough集基本概念及其理论

3.1 Rough集理的基本概念和性质

3.1.1 Rough集的基本概念

3.1.2 Rough集的下近似和上近似的基本性质

3.1.3 Rough集中的成员关系

3.1.4不精确性的数字表征

3.1.5不精确性的拓扑特征化(Rough集的分类)

3.1.6分类的近似

3.1.7集合的粗略相等和粗略包含

3.2知识、知识库与知识表达系统

3.2.1知识与知识库

3.2.2知识的依赖

3.2.3知识表达系统

3.3属性值系统

3.4属性的依赖

3.5属性的简化和属性的核

3.6属性的重要性

3.7决策表分析与简化

3.7.1决策表的定义及性质

3.7.2分类知识的可信度

3.7.3决策表的简化与最小决策算法的生成

3.8本章小结

第4章云理论与Rough集方法相结合用于数据发掘和知识发现

4.1云理论与Rough集理论相结合进行数据发掘和知识发现的框架

4.2贵州地质灾害信息系统

4.2.1贵州地质灾害信息系统的目的

4.2.2贵州地质灾害信息系统的结构

4.3本章小结

第5章贵州地质灾害信息系统模块功能

5.1数据类模块

5.1.1链表节点类子模块

5.1.2一维云类子模块

5.1.3二维云类子模块

5.2数据挖掘模块

5.2.1定性转换子模块

5.2.2生成决策表子模块

5.2.3判断决策表一致性子模快

5.2.4使决策表一致化子模块

5.2.5删除重复行子模块和输出决策规则

5.3结果模块

5.3.1地质灾害统计表子模块

5.3.2决策表子模块

5.3.3删除定性转换子模块

5.3.4清除决策表子模块

5.3.5清除屏幕子模块

5.4本章小结

第6章数据处理和数据分析

6.1数据库结构

6.2数据访问技术

6.3数据分析

6.3.1对定性转换过程中的数据分析

6.3.2对简化决策表过程中的数据分析

6.4本章小结

第7章总结和展望

7.1创新和总结

7.2展望

致谢

参考文献

附录

原创性声明和关于学位论文使用版权的声明