基于地理栅格数据和元胞自动机的城市数字进化仿真模拟

建立了基于栅格地理数据和细胞自动机的城市数字进化仿真的演化模型。该模型能根据一段时期内的地理信息数据,挖掘和发现城市的发展变化对地理信息数据的周期规律,并且能够对城市的发展变化进行模拟,最后通过仿真实验验证了该模型的有效性。     

面向对象的地理元胞自动机

提出了一种面向对象的地理元胞自动机(GeoCA)。在与G IS结合的基础上,利用面向对象技术分析来设计GeoCA模拟系统,由VB AO建立一个具有良好扩展性、用户可定制和友好界面的实验平台。通过采用MCE(多准则判断)来获取GeoCA模型的转换规则。以珠江三角洲的东莞作为研究区域,在GeoCA模拟的结果上,讨论了该地区的土地利用的变化趋势及所面临的问题。     

基于改进元胞自动机的成都城市扩张仿真模拟

为了改善在高速发展的城镇化带来的中国城市无序蔓延、土地利用不合理、生态环境破坏严重等问题,引导城市朝向更加可持续发展的方向演进,更客观地模拟城市空间发展,基于城市元胞自动机理论,在GIS平台基础上,通过引入居民主体建立了改进的城市空间发展动态模型.模型利用逻辑回归分析方法描述了自然条件因子对城市元胞状态转换的影响度,同时利用梯度函数定义了城市元胞宜居度计算方法,进而设计了城市元胞自动机转化规则.利用成都市1959年及1992年的土地利用数据对模型进行了验证和校准后,对成都市2015和2020年的城市用地状况进行了预测,并据此对成都城市空间未来的发展进行了趋势分析,提出了城市扩张建议.     

地理元胞自动机研究综述

从地理元胞自动机的应用范围、地理元胞自动机转换规则的获取、地理元胞自动机空间划分、元胞自动机与GIS的集成等方面回顾了地理元胞自动机模型的研究,对地理元胞自动机模型研究的发展趋势进行了分析,认为地理元胞自动机模型研究在以下几个方面需要进一步深入：（1）应用范围应进一步扩大;（2）在确定地理元胞自动机的转换规则时应综合考虑自然因素和社会经济因素;（3）应加强地理元胞自动机与多智能体系统的集成研究;（4）应加强对地理元胞自动机的尺度划分及尺度效应的研究;（5）应进一步深化地理元胞自动机与GIS的集成研究。     

基于元胞自动机模型的城市空间变化模拟研究进展

元胞自动机(CA)是一种时间、空间、状态都离散,空间的相互作用及时间上的因果关系皆局部的网格动力学模型,其“自下而上”的研究思路,强大的复杂计算功能、固有的平行计算能力、高度动态以及具有空间概念等特征,使得它在模拟空间复杂系统的时空动态演变方面具有很强的能力.在城市空间动态变化的模拟研究方面,CA模型已应用到除非洲、南极洲的所有大洲的城市模拟研究当中.CA模型和G IS的集成,一方面增强G IS的空间模型运算及分析能力,另一方面,G IS提供的强大空间处理能力可以为CA模型准备数据和定义有效的元胞转换规则以及对模拟结果进行可视化.同时CA模型还可以与神经网络、主成分分析、遗传算法、模糊逻辑以及其他研究方法相结合,以增强其在城市空间变化模拟研究方面的能力.将CA与MAS技术相结合,建立一个能够模拟多个不同参与因子(自然系统)、不同决策者(人文系统)共同影响下的城市发展模型,以此来模拟与预测城市发展的真实状况,将是CA模型在城市空间变化模拟与预测研究中的未来发展趋势.     

基于元胞自动机模型的城市土地利用变化模拟

为了研究城市发展带来的城市土地利用空间格局变化,综合运用元胞自动机、多维驱动力分析和情景分析方法,构建了城市土地利用变化模拟系统。建立了宏观、中观和微观3个尺度上的驱动力量化和耦合作用函数。通过识别驱动力变化与城市空间发展特征的关联性,解决了元胞自动机模型参数的时间效应问题。结合情景分析方法,确定城市不同发展情景下的参数取值,进而对未来城市土地利用变化进行了系统模拟。4种预测情景的用地总量分别为220.32km2、253.28km2、231.52km2、310.52km2。研究结果表明:城市土地利用变化受经济增长、空间管制政策等驱动力影响明显,同心圆、组团式发展模式的用地集约水平较高,沿主要对外交通轴线带扩展模式的用地扩张问题较为突出。     

基于元胞自动机的学习者行为模拟

本文提出一种基于元胞自动机模拟学习者行为取向的模型,并进行了单一的和2个影响因素对不同类型学习者的模拟。演化结果显示,该模型能够有效地模拟学习者的行为取向,影响因素对不同学习者人群的影响规律与实践中观察到的现象相符合,在复杂系统科学领域具有良好的应用前景。     

基于元胞自动机的城市扩展研究

在传统的元胞自动机模型的基础上,结合GIS技术、城市扩展原理建立了研究区的GIS-CA城市扩展模型,模型综合运用灰色局势决策、层次分析法与CA模型确定元胞转变规则。在VS2010平台上,使用VB.NET语言,基于ArcGIS Engine组件开发了研究区城市扩展模拟系统,可模拟与预测研究区的城市扩展情况。使用研究区长春市的实际数据进行了验证,采用1993年、2005年遥感影像作为基础数据,应用GIS-CA城市扩展模型预测了研究区2005年城市用地情况,并进行了对比分析。实验结果显示,采用元胞自动机原理结合GIS技术研究城市扩展情况具有合理性、可行性。     

基于智能体和元胞自动机的海上交通流模拟

为提高海上交通流模拟效率,提出基于Agent和CA相结合的海上交通流模拟模型.该模型保持了Agent模型的框架并利用了CA模型的空间数据组织结构,继承了CA模型良好计算性能的优点,计算效率明显提高.实验结果表明,Agent和CA结合模型较单纯的Agent模型具有更好的计算性能,为大规模实时海上交通流模拟提供了可能.     

基于地理空间实体的矢量元胞自动机研究

元胞自动机是能模拟复杂行为的离散动力学模型,GIS与元胞自动机的集成对于模拟地理时空过程具有很大的优势。但是标准CA的一些限制因素如空间尺度、精度及数据量问题、邻居定义等制约了其模拟真实世界的能力。本文通过分析地理现象和元胞自动机之间的关系,从元胞及状态、元胞空间、邻居、转换规则、离散时间五个方面对标准元胞自动机的组成部分进行了扩展,构建了在不规则的地理空间中基于地理实体的元胞自动机模型,同时提出了一个通用的基于地理实体的元胞自动机模型和地理信息系统集成的框架。     

基于非线性拟合方程的多变量决策树算法

根据数据属性间存在的线性相关和非线性相关影响决策树性能的特点,提出了一种用拟合回归建立决策树的算法,并利用这种相关性来提高分类能力.该算法选择了一个较优的属性子集,对此子集中的属性进行加权组合,用于构造决策树的节点,采用二次多项式来拟合两个属性间可能存在的相关性,从而构造出分类能力更强的决策树.研究中用UCI标准数据集对各种算法进行测试及比较,实验结果及分析表明此决策树算法具有良好性能.     

基于决策类划分新型多变量决策树算法实例分析

利用"基于决策类划分的新型多变量决策树算法"中的五大步骤,以"气象信息系统表"为实例构造多变量决策树,取得的结果与著名的单变量决策树(ID3)方法和粗糙集多变量决策树方法所获得的结果相同,证明本算法有效。其决策树构造过程简单,易于理解。通过时间复杂度的比较,证明本算法优于粗糙集算法速度更优和ID3算法。     

基于粗集的混合变量决策树构造算法研究

文章提出混合变量决策树结构,并在此基础上提出基于粗集理论的混合变量决策树构造算法RSH2,算法在每个结点选择尽可能少的属性明确划分尽可能多的实例,减小了决策树规模,且易于理解。将RSH2算法与ID3算法及基于粗集的单变量决策树算法HACRs进行实验比较,结果表明该算法有良好性能。     

利用VBA在EXCEL中建立决策分析系统

在 Excel环境下 ,利用 VBA建立了一个决策分析系统 .该系统主要由图形显示、数值计算和剪枝三部分组成 ,它把 Excel本身具有的数值计算、分析和处理能力与决策树直观清晰的优点结合起来 ,增强了 Excel建模和决策分析的能力     

基于LambdaMART的个性化搜索检索模型

针对如何把个性化信息加入到搜索结果排序中, 提出一种基于决策树的可量化用户个性化信息的方法, 并根据用户的搜索关键词与用户的个性化信息, 预测用户的搜索意图, 把预测结果融合在排序结果中, 解决了传统检索模型无法有效加入用户个性化信息的缺陷. 实验结果表明, 加入个性化信息后的排序结果准确性明显提升, 从而改善了用户对搜索引擎的体验.     

数据挖掘在医院信息系统中的研究与应用

随着医院信息系统不断向自动化、网络化方向的发展,数据挖掘已越来越多的被应用于医疗研究与医院管理。结合胜利油田胜利医院现有的HIS系统,对应用数据挖掘技术实现辅助医疗诊断进行了分析研究。     

A spatial entropy reflecting distribution of spatial objects

Decision trees are mainly used to classify data and predict data classes. A spatial decision tree has been designed using Euclidean distance between objects for reflecting spatial data characteristic. Even though this method explains the distance of objects in spatial dimension, it fails to represent distributions of spatial data and their relationships. But distributions of spatial data and relationships with their neighborhoods are very important in real world. This paper proposes decision tree based on spatial entropy that represents distributions of spatial data with dispersion and dissimilarity. The rate of dispersion by dissimilarity presents how related distribution of spatial data and non-spatial attributes. The experiment evaluates the accuracy and building time of decision tree as compared to previous methods and it shows that the proposed method makes efficient and scalable classification for spatial decision support.     

A spatial entropy reflecting distribution of spatial objects

Decision trees are mainly used to classify data and predict data classes. A spatial decision tree has been designed using Euclidean distance between objects for reflecting spatial data characteristic. Even though this method explains the distance of objects in spatial dimension, it fails to represent distributions of spatial data and their relationships. But distributions of spatial data and relationships with their neighborhoods are very important in real world. This paper proposes decision tree based on spatial entropy that represents distributions of spatial data with dispersion and dissimilarity. The rate of dispersion by dissimilarity presents how related distribution of spatial data and nonspatial attributes. The experiment evaluates the accuracy and building time of decision tree as compared to previous methods and it shows that the proposed method makes efficient and scalable classification for spatial decision support.     

决策树与模糊决策树的比较

对决策树与模糊决策树的异同进行了比较分析.模糊决策树是决策树在模糊环境下的一种推广 ,它作为一种知识表示形式更符合人类的思维.     

一种可用于分类型属性数据的多变量决策树算法

针对绝大部分多变量决策树只能联合数值型属性,而不能直接为带有分类型属性数据集进行分类的问题,提出一种可联合多种类型属性的多变量决策树算法(CMDT).该算法通过统计各个分类型属性的属性值在各个类别或各个簇中的频率分布,来定义样本集合在分类型属性上的中心,以及样本到中心的距离.然后,使用加权k-means算法划分决策树中的非终端结点.使用这种结点划分方法构建的决策树可用于数值型数据、分类型数据以及混合型数据.实验结果表明,该算法建立的分类模型在各种类型的数据集上均获得比经典决策树算法更好的泛化正确率和更简洁的树结构.