论文摘要
空间对象固有的空间位置属性衍生了各种不确定的空间关系，包括空间拓扑关系、空间方位关系、空间距离关系以及它们之间的组合关系，这些空间关系通常以非显性的方式隐含于空间数据中，使得人们对空间数据解析和处理的难度大大提高。空间数据丰富和空间知识贫乏的现象长期存在着，这种趋势的发展促成了空间数据挖掘和知识发现（SDMKD）的产生，并成为数据挖掘领域的一个研究热点。 在空间信息技术发展过程中，空间决策支持系统（SDSS）结合了地理信息系统（GIS）数据处理的长处和传统决策支持系统模型分析的优势，对一些结构化较强的空间问题提供了有效的决策支持。但由于缺少机器学习、知识发现和专家系统等领域的技术支持，SDSS对空间数据的深层次分析和非结构化空间问题提供决策支持的能力相当薄弱，智能空间决策支持系统（ISDSS）的出现弥补了这一不足。 本文从解决智能空间决策支持系统“知识瓶颈”难题入手，对空间知识的获取、表达和推理等关键问题展开研究，从理论基础、技术支持、推理机制和系统集成等多方面对ISDSS这一空间信息技术领域前沿问题进行了理论上的探索。具体的研究内容如下： 1．典型空间聚类问题的k值优化研究。现在使用的各种空间聚类算法中，一般需要事先给定聚类数k，但是多数情况下，聚类数k事先无法确定，因此需要对聚类数k进行优化处理。针对典型空间聚类K-means算法存在事先给定k值和算法复杂度大的缺陷，在充分研究一些学者构造的聚类有效性检验函数的基础上，构造了距离代价函数作为聚类有效性检验函数，并确定了距离代价最小准则作为最优解的条件。结合经验规则，提出了空间聚类k值优化算法，该算法大大缩小了最佳聚类数的搜索范围，为最佳聚类数的求解做出了贡献。 2．空间数据挖掘和知识发现可视化。针对空间数据挖掘和可视化技术独立发展、相互分离的事实，把可视化技术具有的直观性和强大的知识揭示能力的优势用于SDMKD，对空间数据可视化和空间数据挖掘可视化进行了研究。同时，研究了可视化在空间数据挖掘不同阶段的作用及其对不同知识类型的适用性问题，并对基于空间统计分析的GIS中的SDMKD可视化和基于Voronoi图的SDMKD可视化进行了探索和研究。 3．不确定空间信息处理方法及其理论基础。对处理不确定性问题具有优势的证据理论、粗糙集理论和贝叶斯理论分别进行了研究，提出了基于技术进步和信息不对称的动态证据合成法则、基于一致规则的知识约简法则和基于贝叶斯网络的不确定推理等方法，并结合具体的应用领域，分析和探讨了这些理论和方法在不确定空间信息处理方面不同的优势。 4．空间领域知识在SDMKD中的应用研究。对于隐含空间属性的普通数据，运用空间领域知识建立相应的空间概念层次树，然后以离散值的方式添加研究对象的空间属性，把普通
论文目录
相关论文文献
标签：空间数据挖掘论文; 空间聚类论文; 可视化论文; 定性空间推理论文; 智能空间决策支持系统论文;