图书信息

内容简介

作者简介

目录

序言

图书信息

作者：王树良

出版社: 测绘出版社; 第1版 (2008年10月1日)

平装: 147页

正文语种: 简体中文

开本: 16 ISBN: 9787503018800

条形码: 9787503018800

产品尺寸及重量: 23.6 x 16.6 x 0.8 cm ; 259 g

内容简介

《空间数据挖掘视角》是一个从海量数据中概括知识的不确定过程，不同用户在不同条件下有着不同的挖掘要求。《空间数据挖掘视角》提出空间数据挖掘视角，描述不同的数据挖掘需求，实现从相同数据向多种知识的变粒度挖掘。空间数据挖掘不确定性的内因和外因，决定了在空间数据挖掘视角中管控不确定性的技术。云模型集成模糊性和随机性，数据场刻画数据的自然拓扑关系，能够实现定性定量的相互转换。滑坡监测数据挖掘视角和网络化数据挖掘视角表明，空间数据挖掘视角发现的多粒度知识可以满足不同用户的需求。《空间数据挖掘视角》可为空间数据挖掘、地球空间信息科学、计算机科学和复杂网络等研究提供参考，亦可作为相应专业的高年级本科生或研究生的教学用书。

作者简介

王树良，男，1975年生，武汉大学和香港理工大学博士，清华大学博士后，武汉大学教授，全国优秀博士学位论文、教育部新世纪优秀人才、霍英东青年教师二等奖、IBM教师奖、Citibank教师奖、湖北省“五四”金质奖章等荣誉获得者。担任International Journal of System Science、International Journal of Data Mining and Data Warehousing等Guest Editor，Data Mining and Knowledge Discovery、ISPRS Journal of Photogrammetric and Remote Sensing等Paper Reviewer，Advanced Data Mining and Applications学术委员会合作主席。已发表为SCI等收录论文多篇，Springer等为其出版专著3部。主要研究空间数据挖掘。

目录

第1章 空间数据挖掘的同异性

1．1 空间数据过量而难用

1．1．1 空间数据的过量增长

1．1．2 空间数据的处理滞后

1．1．3 空间数据难用的后果

1．2 空间数据挖掘的产生

1．2．1 学科交叉的产物

1．2．2 研究应用的热点

1．2．3 不确定的空间数据挖掘

1．3 空间数据挖掘的概念

1．4 空间数据挖掘的同异性分析

1．4．1 同对象异数据

1．4．2 同数据异结构

1．4．3 同数据异需求

1．4．4 同数据异用户

1．4．5 同数据异方法

1．4．6 同数据异知识

1．4．7 同知识异表达

1．4．8 同数据异拓扑

1．5本章小节

第2章 空间数据挖掘视角原理

2．1 空间数据挖掘视角的概念

2．1．1 空间数据挖掘的多视角理解

2．1．2 空间数据挖掘的视角因素

2．1．3 空间数据挖掘的多视角需求

2．1．4 空间数据挖掘的变视角需求

2．2 空间数据挖掘视角的不确定性分析

2．2．1 客观存在和主观挖掘

2．2．2 不确定性的基本成因

2．2．3 不确定性的内在特性

2．2．4 不确定性的外在表现

2．2．5 不确定性的测度参数

2．3 空间数据挖掘视角的影响要素

2．3．1 尺度

2．3．2 粒度

2．3．3 层次

2．4 空间数据挖掘视角的机理空间

2．4．1 概念空间

2．4．2 特征空间

2．4．3发现状态空间

2．5 空间数据挖掘视角的基本算法

2．6 本章小结

第3章 空间数据挖掘视角的技术

3．1 空间数据挖掘视角技术的集合论分析

3．1．1 确定集

3．1．2 概率

3．1．3 模糊集

3．1．4 粗集

3．1．5 其他

3．1．6 随机和模糊的对比

3．2 云模型

3．2．1 云模型基本概念

3．2．2 云模型的数字特征

3．2．3 云模型的类型

3．2．4 虚拟云模型

3．2．5 云发生器

3．2．6 云变换及其归整

3．2．7 云模型的不确定推理

3．3 数据场

3．3．1 物理场的启发

3．3．2 样本观测数据

3．3．3 样本数据的能量

3．3．4 数据场的概念

3．3．5 数据场的性质

3．3．6 数据场的场强

3．3．7 数据场的势

3．3．8 数据场的可视化

3．4 云模型和数据场的协同

3．5 本章小结

第4章 滑坡监测数据挖掘视角

4．1 滑坡监测视角分析

4．1．1 滑坡灾害

4．1．2 滑坡监测

4．1．3 数据分析的不足

4．1．4 数据场和云模型的可用性

4．1．5 基本滑坡监测数据挖掘视角

4．1．6 视角挖掘算法

4．2 同点异时同向的视角挖掘

4．2．1 X方向的数字特征

4．2．2 数字特征的定性诠释

4．2．3 y、H方向的数字特征

4．2．4 数字特征可视化

4．3 异点同时同向的视角挖掘

4．3．1 滑坡变形概率分布密度辐射估计

4．3．2 异点同时同向的数字特征

4．4 异点异时同向的视角挖掘

4．4．1 不同断面的数字特征值

4．4．2 滑坡的数字特征值

4．5 基于数据场的例外挖掘

4．5．1 不同方向上的例外

4．5．2 整体例外

4．5．3 规则+例外

4．6 宝塔滑坡形变监测的知识及讨论

4．6．1 发现的知识

4．6．2 挖掘机理

4．6．3 知识检验

4．6．4 方法讨论

4．7 本章小结

第5章 网络化数据挖掘视角

5．1 从网络到复杂网络

5．1．1 网络

5．1．2 网络拓扑

5．1．3 规则网络和随机网络

5．1．4 小世界网络

5．1．5 无标度网络

5．1．6 社团结构

5．2 网络化数据挖掘

5．2．1 网络化数据挖掘的概念

5．2．2 网络化数据挖掘的内容

5．3 网络化数据挖掘的社团发现算法

5．3．1 图分割

5．3．2 分级聚类

5．3．3 Kernighan-Lin算法

5．3．4 谱平分法

5．3．5 GN算法

5．3．6 Newman快速算法

5．4 网络化数据挖掘的社团发现视角

5．4．1 人工随机网络

5．4．2 空手道俱乐部成员间的关系网

5．4．3 海豚关系网

5．4．4 电影演员合作网

5．5 本章小节

第6章 思考与结语

6．1 空间数据挖掘视角的思考

6．2 空间数据挖掘视角的决策思考

6．3 结语

参考文献

序言

1989年，在美国召开的第一届国际联合人工智能学术会议上，首次出现了从数据库中发现知识（Knowledge Discovery in Database，简称KDD）。1993年，李德毅院士把计算机科学界开展数据挖掘的研究动向告诉了其兄长李德仁院士。1994年，在加拿大渥太华举行的GIS国际学术会议上，李德仁院士首次提出了从GIS数据库中发现知识（Knowledge Discovery from GIS）的概念，并持续发展为空间数据挖掘。随后，李德仁院士和李德毅院士兄弟二人筹划共同指导空间数据挖掘的博士。由于该项研究的难度较大，直到1995年邸凯昌决定跟随他们做博士论文后，他们的上述想法才得以初步实现。在完成其博士论文后，邸凯昌博士去了美国俄亥俄州立大学做博士后，武汉大学出版社将其博士论文出版。1999年，在邸凯昌博士答辩时，他们发现我对空间数据挖掘有浓厚的兴趣和一定的研究基础，于是又共同指导我在邸凯昌的基础上继续向前研究。在恩师的指导下，我顺利完成了博士学业，于2002年12月毕业，博士学位论文《基于数据场与云模型的空间数据挖掘和知识发现》在2005年有幸获得了全国优秀。

此时，测绘出版社的编辑邀请我出版自己的博士学位论文，并帮助我申请到测绘科技出版基金的支持。为了在《空间数据挖掘理论与应用》的基础上深化自己的研究，以及凸显博士学位论文“空间数据挖掘视角”的原始创新，我几乎再次重做了博士学位论文，并把书名确定为《空间数据挖掘视角》。同时，在研究过程中也注重和新的技术结合，把“空间数据挖掘视角”置身于复杂网络中研究。历经三载有余，晨钟与薄暮相连，寝食与出行共牵，知识与思维冲突，终成此书。书稿成时，曾广邀不同学科的四方师长共教，八方朋友同阅，每获指导，欣喜若狂，立即修正。如此写写改改，数易其稿，字斟句酌，又是数月。

空间数据挖掘是一个从具体海量数据到概括抽象知识的不确定浓缩过程。而且，在这种不确定的挖掘环境中，不同用户在不同条件下对空间数据挖掘具有不同的要求。本书提出空间数据挖掘视角，在描述不同数据挖掘需求的基础上，利用一定的数据挖掘算法，从大量空间数据中发现不同粒度的空间知识。基于空间数据挖掘，研究相同的人从不同的知识背景，或不同的人从相同的知识背景下，根据给定的目的要求，基于不同的认识层次或观察点，从已经获得的空间数据中，发现用于研究、解决和解释自然、人类和社会的问题、现象的模式的角度。在讨论空间数据挖掘视角的背景、内容和技术的过程中，试图探寻空间数据挖掘一般视角规律，也在滑坡监测数据挖掘视角和网络化数据挖掘视角中取得了有意义的成果。