李德仁院士空间数据挖掘和知识发现的理论与方法(minimizer)概述.ppt

空间数据挖掘和知识发现 的理论与方法;主要内容;1. 引 言;1. 引 言;1. 引 言;2.空间数据挖掘和知识发现的理论与技术框架;空间数据挖掘金字塔（Pyramid of Spatial Data Mining）;空间数据挖掘和知识发现的定义和特点;发现状态空间理论;空间数据挖掘机理;基于认知层次的发现状态空间;空间数据清理;空间数据挖掘的难点;从空间数据库可发现的知识类型;空间数据挖掘和知识发现的方法;3.数据场和云模型及其应用;数据辐射;数据辐射示意图;数据场的概念和性质条件;空间数据的场强函数和势函数;数据场的影响因素 ;势间距和笛卡尔网格点密度 ;云模型;云模型基础;期望值: 反映了云滴群的重心位置。;云发生器示意;云发生器算法;二维正态云模型;多种形态的云;虚云;浮动云;二维浮动云;综合云;二维综合云;几何云;云变换;云变换;基于云理论的不确定性推理;基于云理论的不确定性推理;基于云理论的不确定性推理;基于云理论的不确定性推理;基于云理论的不确定性推理;云理论在空间数据发掘中的应用;基于云模型的空间概念表达;基于云理论的概念生成方法;云模型-Apriori算法发现关联知识;“位置” 二维云模型的数字特征值;泛化的属性表;“平均收入”的关联规则;“平均收入”的概化关联规则;“路网密度”的关联规则;云滴的概率密度辐射估计 ;云的辐射数字特征和期望函数;云的辐射拟合算法 ;基于均值算法、拟合算法、辐射拟合算法的云的数字特征和云图;4. Rough集理论及其应用;Rough集的基本概念;Rough集的基本概念;Rough集的基本概念;属性值系统;属性值系统;属性的依赖;属性的简化与属性的核;属性的重要性;决策表简化;基于Rough集的空间实体 ;Rough 空间拓扑关系;基于Rough集的河流专题影像提取; 遥感分类问题的近似集合示例 ; (a) (R:B4, G:B3, B:B2) (b) (R:B2, G:B1, B: (B1+B2+B3)/3 ) ;; 粗糙分类结果(总体精度=74.8%，Kappa=82.1%); 基于粗神经网络的遥感影像分类模型 ; 基于粗神经网络的遥感影像分类模型 ;基于粗集的多层感知器分类结果(总体精度=91.5%，Kappa=89.5%) ;云模型与Rough集方法相结合;聚类挖掘;数据场的自然聚类;“数据场???—云”聚类;“数据场—云”聚类算例：数据集;基于数据辐射的模糊综合聚类的基本思想;模糊综合聚类算例：土地评价;聚类过程;结果和讨论;数学形态学聚类;数学形态学聚类;数学形态学聚类;数学形态学聚类;数学形态学聚类;数学形态学聚类;数学形态学聚类;6.长江三峡宝塔滑坡监测数据挖掘;宝塔滑坡形变监测;监测数据挖掘视角及其泛层次关系;滑坡监测数据的利用困难（1）;滑坡监测数据的利用困难（2）;滑坡位移形变的泛概念树;X方向的监测数据辐射势场（k=3） ;Y方向的监测数据辐射势场（k=3） ;H方向的监测数据辐射势场（k=3）;来自监测数据辐射势场的知识;微观视角概率密度辐射估计（X方向）;微观视角的dx数字特征及其定性诠释 ;宝塔滑坡监测数据微观知识;宝塔滑坡监测数据微观知识解释;针对滑坡断面的中观视角概率密度辐射估计;针对滑坡断面的中观视角的数字特征及其定性诠释;宝塔滑坡监测数据中观知识;宝塔滑坡监测数据中观知识解释;宏观视角挖掘;针对整个滑坡体的宏观视角概率密度辐射估计、数字特征及其定性诠释;宝塔滑坡监测数据宏观规则知识;宝塔滑坡监测数据宏观知识解释;宝塔滑坡监测数据宏观例外知识;宝塔滑坡监测点聚类挖掘;聚类知识结果及其解释;宝塔滑坡监测数据宏观知识;宝塔滑坡监测数据挖掘机理;方法讨论;宝塔滑坡监测数据挖掘发现的知识小结（一）;宝塔滑坡监测数据挖掘发现的知识小结（二）;宝塔滑坡监测数据挖掘发现的知识小结（三）;知识检验：长江水利委员会第十一工程勘测院对本文研究成果的肯定 ;7.基于归纳法的空间数据挖掘;最大方差法连续数据离散化;最大方差法连续数据离散化;最大方差法连续数据离散化;空间概念层次结构生成方法;一种探测性的归纳学习方法EIL;EIL方法用于农业统计数据挖掘;EIL方法用于农业统计数据挖掘;EIL方法用于农业统计数据挖掘;EIL方法用于农业统计数据挖掘;农业统计信息属性表;EIL方法用于农业统计数据挖掘;泛化 的 农业信息 属性表;去掉多余 属性 后的简化 决策表 ;决策表最终简化结果;基于归纳学习的遥感图像分类方法;基于归纳学习的遥感图像分类流程 图 ;土地利用分类试验S