摘要：提出以地理信息系统(GIS)、空间数据挖掘(SDM)和专家系统(ES)集成技术为支持的智能农用地定级专家信息系统的设计思想,并详细分析了该系统的功能结构和工作流程,采用VC6.0嵌入GIS控件(MO2.0)实现了基于知识的农用地定级专家信息系统的开发。

摘要：空间聚类分析是空间数据挖掘中的一个重要研究课题。传统聚类算法忽略了真实世界中许多约束条件的存在,而约束条件的存在会影响聚类结果的合理性。讨论了带障碍约束的空间聚类问题,研究了一种基于遗传和划分相结合的带障碍约束空间数据聚类分析方法,设计了一个带障碍约束的遗传K中心空间聚类分析算法。对比实验表明,该方法兼顾了局部收敛和全局收敛性能,考虑到了现实障碍物对聚类结果的影响,使得聚类结果更具有实际意义,其结果优于传统K中心聚类及单纯的遗传聚类,不足之处是其计算速度相对较慢。

摘要：在基于空间事务的横向关联规则挖掘中,为了能够在海量数据中有效地提取空间拓扑关联规则,提出一种挖掘空间拓扑关联的有效算法,其适合挖掘多层横向空间关联规则。该算法用二进制数存储空间拓扑关系,使空间事务和数字建立对应关系,用数字递增的方法产生候选频繁项。在计算支持数时,算法在用逻辑运算的同时还利用数字特性减少扫描的空间事务数,大大地提高了效率。实验结果表明,在提取多层空间拓扑关联规则时,其比现有的算法更快速更有效。

摘要：空间数据挖掘技术是从空间数据库中提取隐含的、用户感兴趣的知识.针对当前的聚类算法没有很好考虑到空间数据的复杂性和数据之间的联系,再加上聚类的精确度不高,设计了一种新的算法—基于信息熵的空间聚类算法(ESCA算法),该算法优先考虑空间数据的复杂性和数据之间的联系,并采用蚁群优化机制改善传统算法中聚类簇数不确定的缺点.实验结果表明该算法是可行,并且具有更高的精确度.

摘要：空间co-location模式是一组空间特征的子集,它们的实例在邻域内频繁并置出现。通常,空间co-location模式挖掘方法假设空间实例相互独立,并采用空间实例参与到模式实例的频繁性(参与率)来度量空间特征在模式中的重要性,采用空间特征的最小参与率(参与度)来度量模式的有趣程度,忽略了空间特征间的某些重要关系。因此为了揭示空间特征间的主导关系而提出主导特征co-location模式。现有主导特征模式挖掘方法是基于传统频繁模式及其团实例模型进行挖掘,然而,团实例模型可能会忽略非团的空间特征间的主导关系。因此,基于星型实例模型,研究空间亚频繁co-location模式的主导特征挖掘,以更好地揭示空间特征间的主导关系,挖掘更有价值的主导特征模式。首先,定义了两个度量特征主导性的指标;其次,设计了有效的主导特征co-location模式挖掘算法;最后,在合成数据集和真实数据集上通过大量实验验证了所提算法的有效性以及主导特征模式的实用性。

摘要：空间co-location(并置)模式是一组空间特征的子集,其实例在空间中频繁地邻近出现。由于空间数据同时存在关联性和异质性,co-location模式实例的分布或在整个研究区域中全局出现(全局co-location模式),或在研究区域的局部区域出现(区域co-location模式),从而提出了多级co-location模式挖掘。当前的多级co-location模式挖掘方法存在两个问题:1)已有的多级co-location模式挖掘方法忽略了模式在空间中的分布特性,未能准确区分全局和区域co-location模式;2)已有的多级模式挖掘方法将全局非频繁co-location模式作为候选区域co-location模式,导致候选区域co-location模式数量过多。针对以上问题,首先,定义了模式的实例分布均匀系数,在考虑模式频繁性的同时考虑了模式在空间中的分布情况,从而正确、高效地识别出全局和区域co-location模式。其次,基于模式的实例分布均匀系数,设计了一个有效的多级co-location模式挖掘算法,提出了有效的剪枝策略以提高算法效率。最后,在真实和合成数据集上进行了广泛的实验,验证了所提方法的正确性和高效性。

摘要：利用空间数据挖掘技术挖掘信息系统中隐藏的知识与信息,以提高决策的科学性是当前研究的热点之一。阐述了空间数据挖掘的概念和基本特点以及空间数据挖掘与GIS的关系,介绍了空间数据挖掘的基本方法和步骤。结合江苏省沿江开发的实例,在对江苏沿江港口码头数据分析和调查的基础上,以辅助决策为目的,利用空间数据挖掘语言GMQL实现了江苏省沿江港口码头管理系统中的空间数据挖掘,并简单介绍了空间数据挖掘在沿江港口管理中的应用。

摘要：针对建筑物空间分布模式识别过程中,建筑物参数间权重和模式间分类阈值难以确定的问题,设计了一种基于图卷积神经网络的建筑物线型排列模式识别方法。该方法在计算建筑排列特征因子和建立建筑物间邻近关系的基础上,根据图卷积操作与B-P神经网络搭建了图卷积神经网络模型,通过对样本的监督学习,建立预测模型。最后,在OpenStreetMap公开数据集上进行了实验。结果表明,该方法能够准确地识别建筑物线型排列的3种模式。

摘要：空间数据挖掘可视化是空间数据挖掘研究的一个重要方面。可视化技术充分利用了图形和图像的表达能力以及人对于色彩和空间的敏锐的感知能力，使人机有机地融合在一起。本文在简述空间关联规则可视化基本需求的基础上，提出了空间关联规则可视化的一般方法，并进行用Java3D技术开发空间关联规则可视化工具的应用研究。重点在于分析利用Java3D技术进行空间关联规则可视化的基本原理和方法，并给出核心部分流程。最后将该技术应用于两个具体实例中，并给出实现的空间关联规则可视化界面。

摘要：针对地形要点自动选取等应用需求，考虑贝叶斯分类和并行分类器的优点，本文提出并设计了基于贝叶斯的多重决策树并行组合分类器。试验结果表明，多重决策树并行组合分类器平均分类准确率比单个最优决策树的平均分类准确率高，并可克服地形要点影响因子权值确定困难等问题。