空间数据挖掘视角

空间数据挖掘是一个从海量数据中概括知识的不确定过程，不同用户在不同条件下有着不同的挖掘要求。本书提出空间数据挖掘视角，描述不同的数据挖掘需求，实现从相同数据向多种知识的变粒度挖掘。空间数据挖掘不确定性的内因和外因，决定了在空间数据挖掘视角中管控不确定性的技术。云模型集成模糊性和*性，数据场刻画数据的自然拓扑关系，能够实现定性定量的相互转换。滑坡监测数据挖掘视角和网络化数据挖掘视角表明，空间数据挖掘视角发现的多粒度知识可以满足不同用户的需求。本书可为空间数据挖掘、地球空间信息科学、计算机科学和复杂网络等研究提供参考，亦可作为相应专业的高年级本科生或研究生的教学用书。

王树良，男，1975年生，武汉大学和香港理工大学博士，清华大学博士后，武汉大学教授，全国优秀博士学位论文、*新世纪优秀人才、霍英东青年教师二等奖、IBM教师奖、Citibank教师奖、湖北省“五四”金质奖章等荣誉获得者。担任International Journal of System Science、I

第1章 空间数据挖掘的同异性
1.1 空间数据过量而难用
1.2 空间数据挖掘的产生
1.3 空间数据挖掘的概念
1.4 空间数据挖掘的同异性分析
1.5 本章小节
第2章 空间数据挖掘视角原理
2.1 空间数据挖掘视角的概念
2.2 空间数据挖掘视角的不确定性分析
2.3 空间数据挖掘视角的影响要素
2.4 空间数据挖掘视角的机理空间
2.5 空间数据挖掘视角的基本算法
2.6 本章小结
第3章 空间数据挖掘视角的技术
3.1 空间数据挖掘视角技术的集合论分析
3.2 云模型
3.3 数据场
3.4 云模型和数据场的协同
3.5 本章小结
第4章 滑坡监测数据挖掘视角
4.1 滑坡监测视角分析
4.2 同点异时同向的视角挖掘
4.3 异点同时同向的视角挖掘
4.4 异点异时同向的视角挖掘
4.5 基于数据场的例外挖掘
4.6 宝塔滑坡形变监测的知识及讨论
4.7 本章小结
第5章 网络化数据挖掘视角
5.1 从网络到复杂网络
5.2 网络化数据挖掘
5.3 网络化数据挖掘的社团发现算法
5.4 网络化数据挖掘的社团发现视角
5.5 本章小节
第6章 思考与结语
6.1 空间数据挖掘视角的思考
6.2 空间数据挖掘视角的决策思考
6.3 结语
参考文献