空间数据库的空间数据挖掘技术研究

摘要

空间数据挖掘是指从空间数据库中提取用户感兴趣的空间模式与特征、空间与非空间数据的普遍关系及其它一些隐含在空间数据中的普遍的数据特征.Rough集理论是由Pawlak二十世纪八十年代发展起来的一种处理不精确、不确定和模糊数据的新型数学工具,它能有效地从数据本身提供的信息中发现有效的、潜在的知识.而云理论则是以研究定性定量间的不确定性转换为基础的系统处理不确定性问题的一种新理论,包括云模型、虚拟云、云运算、云变换、不确定性推理等内容.本文系统研究了空间数据挖掘的理论、方法和应用.并将Rough集理论和云理论引入空间数据挖掘领域,系统地研究了Rough集理论用于空间数据挖掘的基础理论和方法.论文介绍了一种基于Rough集和云模型的空间数据挖掘模型,给出了该模型应用的一般方法与步骤,并将其应用于GIS数据分类规则挖掘.提出了一种基于云模型的决策表连续属性离散化算法,提高所挖掘规则的统计意义和预测强度.最后用一组GIS数据验证了该算法的适用性和有效性.

目录

文摘

英文文摘

独创（或创新性）声明和关于论文使用授权的说明

第一章绪论

1.1数据挖掘定义

1.2数据挖掘功能

1.3数据挖掘的对象与环境

1.4数据挖掘技术介绍

1.5空间数据挖掘

1.6本文的研究内容和章节安排

第二章空间数据挖掘技术

2.1空间数据库中的数据、信息和知识

2.2空间数据挖掘概念和特点

2.2.1空间数据挖掘与知识发现

2.2.2空间数据挖掘的特点

2.3空间数据挖掘系统的体系结构和开发策略

2.4空间数据挖掘方法

2.5空间数据挖掘与其他相关学科的关系

第三章Rough集

3.1 Rough集的基本概念

3.1.1信息表知识表达

3.1.2 Rough集的基本概念

3.2 Rough集代数性质

3.3 Rough集的不确定性

3.4基于Rough集的数据挖掘概念

3.4.1属性重要性

3.4.2可辨识矩阵

3.4.3决策规则定义

3.5决策表属性约简概述

3.5.1决策表的性质

3.5.2决策表的约简和核

3.5.3决策表的不确定性

第四章云理论

4.1 云理论的基本概念

4.2云理论的分类

4.2.1云模型

4.2.2变换

4.2.3虚拟云、云运算、不确定性推理

4.3基于云模型的概念和知识表达

4.4基于云模型的空间数据库不确定性查询

4.5云理论与Rough集方法

第五章空间数据库的分类规则挖掘

5.1挖掘步骤

5.2挖掘的预备工作

5.3数据预处理

5.4决策表离散化

5.4.1离散化算法简介

5.4.2基于云模型的离散化算法

5.5决策表数据挖掘

5.5.1属性约简

5.5.2值约简

5.6新样本对分类质量的影响

5.7本章小结

第六章总结与展望

致谢

参考文献

在读期间的研究成果