| 摘要 | 第1-9页 |
| Abstract | 第9-12页 |
| 目录 | 第12-16页 |
| 图表目录 | 第16-19页 |
| 第一章 绪论 | 第19-30页 |
| ·研究背景和选题意义 | 第19-21页 |
| ·土地评价理论方法研究现状 | 第21-25页 |
| ·国内土地评价理论方法研究综述 | 第21-23页 |
| ·国外土地评价理论方法研究综述 | 第23-24页 |
| ·现有的土地评价方法及其缺点 | 第24-25页 |
| ·群体智能优化算法的进行分类的研究现状 | 第25-26页 |
| ·本研究的关键问题 | 第26-27页 |
| ·论文的结构安排 | 第27-30页 |
| 第二章 本文相关理论技术基础 | 第30-47页 |
| ·土地评价相关理论 | 第30-34页 |
| ·土地评价体系结构 | 第30页 |
| ·土地评价的类型 | 第30-34页 |
| ·土地评价一般流程 | 第34页 |
| ·空间数据挖掘理论基础 | 第34-39页 |
| ·空间数据挖掘的概念 | 第34-35页 |
| ·空间数据挖掘可发现的知识类型 | 第35-36页 |
| ·空间数据挖掘的体系结构 | 第36-37页 |
| ·空间数据挖掘的基本过程 | 第37-38页 |
| ·当前使用的空间数据挖掘方法 | 第38-39页 |
| ·群体智能优化算法理论基础 | 第39-46页 |
| ·群体智能优化算法概述 | 第39-40页 |
| ·群体智能优化算法统一框架模式 | 第40页 |
| ·蚁群算法概述 | 第40-43页 |
| ·免疫算法概述 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第三章 土地评价分类规则挖掘体系结构设计 | 第47-56页 |
| ·GIS与土地评价空间数据挖掘的集成模式分析 | 第47-48页 |
| ·土地评价分类规则挖掘内部关系分析 | 第48页 |
| ·土地评价分类规则挖掘体系结构设计 | 第48-50页 |
| ·数据层 | 第50页 |
| ·挖掘层 | 第50-52页 |
| ·土地评价空间数据整合 | 第50-51页 |
| ·土地评价空间数据挖掘模型内核 | 第51-52页 |
| ·知识层 | 第52-54页 |
| ·模型库设计 | 第52-53页 |
| ·算法库设计 | 第53-54页 |
| ·知识库设计 | 第54页 |
| ·人机交互层 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第四章 土地评价空间数据整合研究 | 第56-71页 |
| ·面向土地的空间数据整合 | 第56-58页 |
| ·土地评价空间数据整合的必要性 | 第56-57页 |
| ·多类型、多尺度土地评价数据整合技术流程 | 第57页 |
| ·模型库和方法库支持下的土地评价数据整合框架 | 第57-58页 |
| ·土地评价数据转换 | 第58-59页 |
| ·土地评价数据清理技术 | 第59-63页 |
| ·基于趋势面分析的缺失数据自动填补 | 第59-61页 |
| ·基于回归分析的噪声数据平滑技术 | 第61-62页 |
| ·不一致数据的自动检测与消除技术 | 第62-63页 |
| ·土地评价数据集成技术 | 第63-65页 |
| ·点状、线状因子集成 | 第64页 |
| ·面状因子集成 | 第64-65页 |
| ·土地评价数据归约技术 | 第65-69页 |
| ·基于相关分析的冗余评价因子剔除 | 第65-66页 |
| ·基于克隆选择算法的属性约简 | 第66-68页 |
| ·基于ChiMerge算法的连续属性离散化 | 第68-69页 |
| ·本章小结 | 第69-71页 |
| 第五章 基于空间数据挖掘技术的土地评价模型研究 | 第71-84页 |
| ·现有的土地评价模型概述 | 第71-72页 |
| ·基于GIS的土地评价模型 | 第71页 |
| ·基于计算智能的土地评价模型 | 第71-72页 |
| ·基于空间插值的土地评价模型 | 第72页 |
| ·基于空间数据挖掘技术的土地评价模型设计思想 | 第72-75页 |
| ·空间分类规则的表述 | 第72-73页 |
| ·基于规则的分类模型的构建方法 | 第73页 |
| ·空间分类技术应用于土地评价的可行性 | 第73-74页 |
| ·基于空间数据挖掘技术的土地评价模型构建 | 第74-75页 |
| ·土地评价空间数据结构设计 | 第75-77页 |
| ·基于群体智能优化算法的土地评价分类模型训练 | 第77-80页 |
| ·基于规则的土地评价 | 第77页 |
| ·分类规则学习与函数优化 | 第77-78页 |
| ·群体智能优化算法进行土地评价分类规则挖掘的可行性研究 | 第78-80页 |
| ·土地评价分类规则剪枝 | 第80-82页 |
| ·模型的过分拟合和分类规则的剪枝 | 第80页 |
| ·基于免疫算法的土地评价分类规则剪枝 | 第80-82页 |
| ·土地评价分类模型测试与评价 | 第82-83页 |
| ·土地评价分类规则集合的质量评价 | 第82页 |
| ·土地评价分类模型测试 | 第82-83页 |
| ·本章小结 | 第83-84页 |
| 第六章 土地评价分类模型群体智能优化算法设计 | 第84-115页 |
| ·土地评价分类算法简介 | 第84-86页 |
| ·现有土地评价分类算法综述 | 第84-85页 |
| ·现有的土地评价分类算法存在的问题 | 第85页 |
| ·本文使用的算法的优点 | 第85-86页 |
| ·土地评价分类规则挖掘中的蚁群算法设计 | 第86-98页 |
| ·人工蚁群系统与土地评价分类规则挖掘耦合思想 | 第86-87页 |
| ·土地评价分类规则挖掘的蚁群算法设计 | 第87-89页 |
| ·土地评价分类规则挖掘蚁群算法的数学化描述 | 第89-91页 |
| ·基于蚁群算法的土地评价分类规则挖掘模型训练流程 | 第91-92页 |
| ·相关蚁群算子设计 | 第92-98页 |
| ·土地评价蚁群分类规则免疫优化算法设计 | 第98-112页 |
| ·免疫系统、蚁群系统与土地评价分类规则挖掘耦合思想 | 第98-100页 |
| ·土地评价蚁群分类规则的免疫优化算法设计 | 第100-102页 |
| ·土地评价蚁群规则的免疫优化算法数学化描述 | 第102-105页 |
| ·结合免疫机制的蚁群算法进行土地评价分类规则挖掘模型训练流程 | 第105-106页 |
| ·相关免疫算子设计 | 第106-112页 |
| ·土地评价分类规则剪枝的免疫算法设计 | 第112-113页 |
| ·规则属性修剪 | 第112-113页 |
| ·冗余规则剔除 | 第113页 |
| ·本章小结 | 第113-115页 |
| 第七章 实例研究:普宁市农用地定级规则挖掘研究 | 第115-153页 |
| ·研究区域概况 | 第115-117页 |
| ·研究区域地理位置 | 第115页 |
| ·自然环境概况 | 第115-116页 |
| ·社会经济概况 | 第116-117页 |
| ·土地资源状况 | 第117页 |
| ·多类型、多尺度的农用地定级数据整合 | 第117-125页 |
| ·普宁市农用地定级源数据 | 第117-119页 |
| ·普宁市农用地定级因子数据库建立 | 第119-121页 |
| ·普宁市农用地定级单元数据库建立 | 第121-122页 |
| ·冗余定级因子剔除 | 第122-123页 |
| ·普宁市农用地定级因子约简 | 第123-125页 |
| ·连续数据离散化 | 第125页 |
| ·普宁市农用地定级数据采样 | 第125-126页 |
| ·农用地定级因子与级别描述与编码 | 第126-128页 |
| ·基于群体智能优化算法的农用地级别规则提取结果 | 第128-131页 |
| ·普宁市农用地级别初始规则生成 | 第128页 |
| ·普宁市农用地级别最终规则生成 | 第128-131页 |
| ·普宁市农用地级别挖掘结果分析 | 第131-139页 |
| ·基于空间数据挖掘方法的普宁市农用地定级结果 | 第131-133页 |
| ·引起农用地级别差异的原因分析 | 第133-139页 |
| ·算法性能与模型对比分析 | 第139-152页 |
| ·本文使用的群体智能优化算法性能分析 | 第139-146页 |
| ·模型分类精度分析 | 第146-147页 |
| ·模型对比分析 | 第147-152页 |
| ·本章小结 | 第152-153页 |
| 第八章 总结与展望 | 第153-158页 |
| ·总结 | 第153-156页 |
| ·全文总结 | 第153-155页 |
| ·创新点 | 第155-156页 |
| ·展望 | 第156-158页 |
| 参考文献 | 第158-165页 |
| 攻读博士学位期间的主要研究成果 | 第165-166页 |
| 致谢 | 第166页 |
