基于聚类的空间数据挖掘系统的设计与实现

空间数据挖掘系统是指从空间数据库中提取隐含数据特征的决策支持系统．本文将采关分析、空间数据挖掘和地理信息系统三者紧密联系起来，并结合土地利用数据库，以聚类的方法对空间数据挖掘系统的设计和实现进行了详细地阐述．     

Web Agent在空间数据挖掘框架中的应用

空间数据是人们认识自然和改造自然的重要数据，SDMKD是利用数据挖掘方法从空间数据库抽去知识以及步骤的人机交互工程。网络作为巨大的分布式并行信息空间，在其中进行知识发现更具有意义。本文在分析数据挖掘、空间数据挖掘、Web Agent的概念和技术特点的基础上，笔者给出了一个利用Web Agent在Internet上实现空间数据挖掘的基本框架，并进行了实现验证。     

空间数据挖掘技术

空间数据挖掘是数据挖掘的一个分支,在地理信息系统、遥感、导航、环境研究以及许多使用空间数据的领域中有着广泛的应用。阐述空间数据挖掘的定义、特点、体系结构与一般过程,介绍空间数据挖掘的方法和知识表达方法,指出空间数据挖掘的主要研究方向,提出开发空间数据挖掘系统的几点思考。     

空间数据挖掘技术

空间数据挖掘是数据挖掘的一个分支,在地理信息系统、遥感、导航、环境研究以及许多使用空间数据的领域中有着广泛的应用.阐述空间数据挖掘的定义、特点、体系结构与一般过程,介绍空间数据挖掘的方法和知识表达方法,指出空间数据挖掘的主要研究方向,提出开发空间数据挖掘系统的几点思考.     

基于SOA架构的空间数据挖掘平台的分析与设计

对空间数据挖掘、GIS、Web Service等技术进行了研究.基于SOA架构、面向Web Service,对空间数据挖掘平台进行了系统分析与设计,以Web Service的方式为用户提供空间数据挖掘服务,从而大大降低了空间数据挖掘的使用难度,以一种耦合度极低的方式实现空间数据挖掘与第三方软件有效集成.     

面向GIS应用的数据挖掘技术研究

本文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。熏后提出GIS空间数据挖掘的存在问题，阐述了技术的发展前景。     

基于空间数据挖掘的土地用途分区系统

提出了土地用途分区的目标函数与约束体系,对基于空间数据挖掘的土地用途分区系统框架进行了设计,重点分析了系统中的数据层、知识层、空间数据挖掘层的内容和实现策略,并实现了GIS与应用分析模型紧密耦合集成的土地用途分区系统.最后,以陕西省白河县土地用途分区为实例,验证了该系统应用于县级土地用途分区的可行性和有效性.     

环境调控空间决策支持系统的设计与实现--福建海岸带环境调控决策支持系统

以福建省海岸带环境调控决策支持系统为例 ,对环境模拟建模、地理信息系统、遥感技术、空间数据仓库与数据挖掘融合而成的环境空间决策支持系统的建设与应用进行了探讨 .首先提出了空间决策支持系统可扩展的体系结构 ,并结合应用需求着重介绍环境空间数据仓库的设计、数据挖掘的过程以及若干环境模拟与评价可扩展模块的实现方法 ,最后给出应用系统的功能框架和系统界面 .     

基于云模型的数据挖掘技术

定性概念和定量数据之间的转换在空间数据挖掘中起了至关重要的作用．云模型是定性概念和定量描述之间的转换模型，基于云模型，本文提出了在概念空间和特征空间中以不同的层次进行空间数据挖掘的新方法“数据-概念-知识”．     

一个适用于地理信息系统的数据挖掘工具——GISMiner

论文将常用于关系型、事务型数据库的面向属性归纳的方法和关联规则挖掘方法扩展至空间数据库，开发了适用于地理信息系统（GIS）的空间数据挖掘工具－GISMiner，并将其应用于从农田GIS中挖掘农田使用情况的空间特征规则，以及从农产品市场GIS中挖掘农产品价格与铁路、国道和河流间的空间关联规则实验。结果表明，GISMiner是一个实用的、能适应于GIS且能挖掘多种知识类型的数据挖掘工具。     

空间数据挖掘的研究与应用

空间数据挖掘就是从空间数据库中抽取隐含的知识、空间关系或是空间数据库中存储的其他的隐含的模式的过程 空间数据挖掘在地理信息系统(GIS)、空间遥感、测绘、资源和环境管理等很多领域有广泛的应用前景 本文对空间数据挖掘的具体应用进行了探讨.     

空间数据挖掘技术及其智能推理体系结构

面对数据的数量和复杂性急剧增加的问题,首先讨论了数据挖掘技术的研究进展,并对数据挖掘在空间数据库中的应用进行了深入地探讨。然后提出三种基于空间数据挖掘、空间数据仓库、智能决策支持系统（IDSS）和范例推理（CBR）技术的智能推理体系结构,并对这三种体系结构的优劣进行了分析对比,其中以第三种结构为优。最后对空间数据挖掘在各领域中的应用前景以及有待解决的问题进行了展望。     

基于GIS的空间数据挖掘技术

如何从海量数据中提取对人们有价值的信息已经成为一个非常迫切的问题。本文从地理信息系统(GIS)方面研究了如何解决这个问题，介绍了空间数据挖掘(SDM)的理论、方法和一般处理过程，并给出了基于GIS的空间数据挖掘的框架结构。     

SDML:基于空间数据库的空间数据挖掘语言

设计了一种基于空间数据库的空间数据挖掘语言SDML.根据SDML操作的对象以及挖掘过程的不同阶段,SDML语言可以分为视图操纵语言和模型操纵语言,分别负责对于数据挖掘视图和模型的操作.详细阐述了SDML的设计思想及其设计方案,针对空间泛化和空间关联这两个典型的空间数据挖掘问题,给出了SDML解决方案.     

空间数据库的数据挖掘

分析了传统数据挖掘方法面临的问题,介绍了空间数据挖掘的基本特征和空间数据库的知识发现过程,论述了几种空间数据挖掘的方法。     

一种新的空间分类挖掘方法

空间分类是空间数据挖掘的一个重要的研究分支 ,空间分类挖掘在对空间对象进行分类时 ,要考虑空间对象的非空间属性及其邻接对象对它分类的影响。本文提出一种新的空间分类挖掘方法 ,该方法将空间对象的非空间属性及空间属性分开来进行考虑。该分类方法具有良好的应用前景。     

基于模糊神经网络的空间数据挖掘方法研究

本文针对庞大空间数据集性质复杂且非线性、持续性及噪音普遍存在的情况，提出利用模糊神经网络模型进行空间数据挖掘，并具体讲述其挖掘步骤及发现知识的类型。     

空间co-location模式挖掘算法介绍及应用

当前挖掘空间co-location模式所遇到的困难在于,空间对象的实例分布在连续的空间中并拥有复杂的空间关系,大部分的计算时间需要用来生成co-location模式的表实例.分析了co-location模式挖掘的实质,以及近年来提出的co-location模式挖掘的全连接算法和无连接算法,并对这两种算法在性能上加以比较.在此基础上,结合三江并流国家基金项目,用这两种算法挖掘出了共生植被及其分布情况,为生物学家的科学研究提供了有利的帮助.