空间数据挖掘中的分类方法及其应用研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第10-14页 |
| 1．1 数据挖掘的研究现状 | 第10-11页 |
| 1．2 空间数据挖掘概述 | 第11页 |
| 1．3 本文的主要工作及其研究意义 | 第11-13页 |
| 1．3．1 空间连续数据离散化的效应平方和算法 | 第12页 |
| 1．3．2 空间谓词选取的最大熵方法 | 第12页 |
| 1．3．3 空间数据分类的概率粗糙集算法 | 第12-13页 |
| 1．3．4 空间数据挖掘原型系统模型实现 | 第13页 |
| 1．4 本文的组织结构 | 第13-14页 |
| 第二章 空间数据挖掘 | 第14-20页 |
| 2．1 空间数据库和空间数据挖掘 | 第14-15页 |
| 2．2 空间数据挖掘的特点 | 第15页 |
| 2．3 空间数据挖掘可发现的知识 | 第15-16页 |
| 2．4 空间数据挖掘的常用方法 | 第16-18页 |
| 2．5 国内外空间数据挖掘系统发展概况 | 第18-19页 |
| 2．6 空间数据挖掘面临的问题 | 第19-20页 |
| 第三章 空间连续数据离散化方法 | 第20-26页 |
| 3．1 数据挖掘中常用的离散化方法 | 第20-21页 |
| 3．2 方差分析基本概念 | 第21-23页 |
| 3．2．1 单因素试验 | 第21页 |
| 3．2．2 单因素试验方差分析的数学模型 | 第21-22页 |
| 3．2．3 模型的检验统计量 | 第22-23页 |
| 3．3 空间连续数据离散化的效应平方和算法 | 第23-24页 |
| 3．4 算法性能分析 | 第24-26页 |
| 第四章 空间谓词选取的最大熵方法 | 第26-34页 |
| 4．1 空间数据中空间对象属性描述 | 第26-27页 |
| 4．2 信息论中的最大熵原理 | 第27-30页 |
| 4．2．1 样本数据的极大似然表示 | 第27-28页 |
| 4．2．2 特征、特征函数及约束 | 第28-29页 |
| 4．2．3 最大熵原理 | 第29页 |
| 4．2．4 参数估计及特征选择 | 第29-30页 |
| 4．3 空间谓词选取的最大熵方法 | 第30-34页 |
| 4．3．1 空间谓词选取的最大熵算法 | 第31-32页 |
| 4．3．2 算法时间复杂度分析 | 第32页 |
| 4．3．3 算法特点 | 第32-34页 |
| 第五章 空间数据分类的概率粗糙集算法 | 第34-48页 |
| 5．1 目前空间数据分类的研究状况 | 第34-35页 |
| 5．2 粗糙集理论简介 | 第35-41页 |
| 5．2．1 粗糙集模型的基本概念 | 第35-36页 |
| 5．2．2 信息系统 | 第36-37页 |
| 5．2．3 属性的简化和属性的核 | 第37页 |
| 5．2．4 概率粗糙集模型 | 第37-41页 |
| 5．3 空间数据分类的概率粗糙集算法 | 第41-44页 |
| 5．3．1 粗糙集基本算法 | 第41-42页 |
| 5．3．2 计算两个等价类的正则条件熵 | 第42页 |
| 5．3．3 计算条件属性相对于决策属性集合的核 | 第42-43页 |
| 5．3．4 空间数据分类的概率粗糙集算法 | 第43-44页 |
| 5．4 分类算法特点与性能分析 | 第44-48页 |
| 5．4．1 算法特点 | 第44-45页 |
| 5．4．2 算法完备性分析 | 第45页 |
| 5．4．3 算法时间复杂度分析 | 第45-46页 |
| 5．4．4 实验结果分析 | 第46-48页 |
| 第六章 空间数据挖掘原型系统模型实现 | 第48-52页 |
| 6．1 原型系统实验环境 | 第48-49页 |
| 6．2 空间数据挖掘原型系统实现架构 | 第49-50页 |
| 6．3 结论与展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间发表的学术论文目录 | 第56-57页 |
| 学位论文评阅及答辩情况表 | 第57页 |
