內容簡介
《空間數據挖掘視角》是一個從海量數據中概括知識的不確定過程，不同用戶在不同條件下有著不同的挖掘要求。《空間數據挖掘視角》提出空間數據挖掘視角，描述不同的數據挖掘需求，實現從相同數據向多種知識的變粒度挖掘。空間數據挖掘不確定性的內因和外因，決定了在空間數據挖掘視角中管控不確定性的技術。雲模型集成模糊性和隨機性，數據場刻
畫數據的自然拓撲關係，能夠實現定性定量的相互轉換。滑坡監測數據挖掘視角和網路化數據挖掘視角表明，空間數據挖掘視角發現的多粒度知識可以滿足不同用戶的需求。《空間數據挖掘視角》可為空間數據挖掘、地球空間信息科學、計算機科學和複雜網路等研究提供參考，亦可作為相應專業的高年級本科生或研究生的教學用書。
作者簡介
王樹良，男，1975年生，武漢大學和香港理工大學博士，清華大學博士後，武漢大學教授，全國優秀博士學位論文、教育部新世紀優秀人才、霍英東青年教師二等獎、IBM教師獎、citibank教師獎、湖北省“五四”金質獎章等榮譽獲得者。擔任International Journal of System Science、International Journal of Data Mining and Data Warehousing等Guest Editor，Data Mining and Knowledge Discovery、ISPRS Journal of Photogrammetric and Remote Sensing等Paper Reviewer，Advanced Data Mining and Applications學術委員會合作主席。已發表為SCI等收錄論文多篇，Springer等為其出版專著3部。主要研究空間數據挖掘。
目錄
第1章 空間數據挖掘的同異性
1．1 空間數據過量而難用
1．1．1 空間數據的過量增長
1．1．2 空間數據的處理滯後
1．1．3 空間數據難用的後果
1．2 空間數據挖掘的產生
1．2．1 學科交叉的產物
1．2．2 研究套用的熱點
1．2．3 不確定的空間數據挖掘
1．3 空間數據挖掘的概念
1．4 空間數據挖掘的同異性分析
1．4．1 同對象異數據
1．4．2 同數據異結構
1．4．3 同數據異需求
1．4．4 同數據異用戶
1．4．5 同數據異方法
1．4．6 同數據異知識
1．4．7 同知識異表達
1．4．8 同數據異拓撲
1．5本章小節
第2章 空間數據挖掘視角原理
2．1 空間數據挖掘視角的概念
2．1．1 空間數據挖掘的多視角理解
2．1．2 空間數據挖掘的視角因素
2．1．3 空間數據挖掘的多視角需求
2．1．4 空間數據挖掘的變視角需求
2．2 空間數據挖掘視角的不確定性分析
2．2．1 客觀存在和主觀挖掘
2．2．2 不確定性的基本成因
2．2．3 不確定性的內在特性
2．2．4 不確定性的外在表現
2．2．5 不確定性的測度參數
2．3 空間數據挖掘視角的影響要素
2．3．1 尺度
2．3．2 粒度
2．3．3 層次
2．4 空間數據挖掘視角的機理空間
2．4．1 概念空間
2．4．2 特徵空間
2．4．3發現狀態空間
2．5 空間數據挖掘視角的基本算法
2．6 本章小結
第3章 空間數據挖掘視角的技術
3．1 空間數據挖掘視角技術的集合論分析
3．1．1 確定集
3．1．2 機率
3．1．3 模糊集
3．1．4 粗集
3．1．5 其他
3．1．6 隨機和模糊的對比
3．2 雲模型
3．2．1 雲模型基本概念
3．2．2 雲模型的數字特徵
3．2．3 雲模型的類型
3．2．4 虛擬雲模型
3．2．5 雲發生器
3．2．6 雲變換及其歸整
3．2．7 雲模型的不確定推理
3．3 數據場
3．3．1 物理場的啟發
3．3．2 樣本觀測數據
3．3．3 樣本數據的能量
3．3．4 數據場的概念
3．3．5 數據場的性質
3．3．6 數據場的場強
3．3．7 數據場的勢
3．3．8 數據場的可視化
3．4 雲模型和數據場的協同
3．5 本章小結
第4章 滑坡監測數據挖掘視角
4．1 滑坡監測視角分析
4．1．1 滑坡災害
4．1．2 滑坡監測
4．1．3 數據分析的不足
4．1．4 數據場和雲模型的可用性
4．1．5 基本滑坡監測數據挖掘視角
4．1．6 視角挖掘算法
4．2 同點異時同向的視角挖掘
4．2．1 X方向的數字特徵
4．2．2 數字特徵的定性詮釋
4．2．3 y、H方向的數字特徵
4．2．4 數字特徵可視化
4．3 異點同時同向的視角挖掘
4．3．1 滑坡變形機率分布密度輻射估計
4．3．2 異點同時同向的數字特徵
4．4 異點異時同向的視角挖掘
4．4．1 不同斷面的數字特徵值
4．4．2 滑坡的數字特徵值
4．5 基於數據場的例外挖掘
4．5．1 不同方向上的例外
4．5．2 整體例外
4．5．3 規則+例外
4．6 寶塔滑坡形變監測的知識及討論
4．6．1 發現的知識
4．6．2 挖掘機理
4．6．3 知識檢驗
4．6．4 方法討論
4．7 本章小結
第5章 網路化數據挖掘視角
5．1 從網路到複雜網路
5．1．1 網路
5．1．2 網路拓撲
5．1．3 規則網路和隨機網路
5．1．4小世界網路
5．1．5無標度網路
5．1．6 社團結構
5．2 網路化數據挖掘
5．2．1 網路化數據挖掘的概念
5．2．2 網路化數據挖掘的內容
5．3 網路化數據挖掘的社團發現算法
5．3．1 圖分割
5．3．2 分級聚類
5．3．3 Kernighan-Lin算法
5．3．4 譜平分法
5．3．5 GN算法
5．3．6 Newman快速算法
5．4 網路化數據挖掘的社團發現視角
5．4．1 人工隨機網路
5．4．2 空手道俱樂部成員間的關係網
5．4．3 海豚關係網
5．4．4 電影演員合作網
5．5 本章小節
第6章 思考與結語
6．1 空間數據挖掘視角的思考
6．2 空間數據挖掘視角的決策思考
6．3 結語
參考文獻
序言
1989年，在美國召開的第一屆國際聯合人工智慧學術會議上，首次出現了從資料庫中發現知識（Knowledge Discovery in Database，簡稱KDD）。1993年，李德毅院士把計算機科學界開展數據挖掘的研究動向告訴了其兄長李德仁院士。1994年，在加拿大渥太華舉行的GIS國際學術會議上，李德仁院士首次提出了從GIS資料庫中發現知識（Knowledge Discovery from GIS）的概念，並持續發展為空間數據挖掘。隨後，李德仁院士和李德毅院士兄弟二人籌劃共同指導空間數據挖掘的博士。由於該項研究的難度較大，直到1995年邸凱昌決定跟隨他們做博士論文後，他們的上述想法才得以初步實現。在完成其博士論文後，邸凱昌博士去了美國俄亥俄州立大學做博士後，武漢大學出版社將其博士論文出版。1999年，在邸凱昌博士答辯時，他們發現我對空間數據挖掘有濃厚的興趣和一定的研究基礎，於是又共同指導我在邸凱昌的基礎上繼續向前研究。在恩師的指導下，我順利完成了博士學業，於2002年12月畢業，博士學位論文《基於數據場與雲模型的空間數據挖掘和知識發現》在2005年有幸獲得了全國優秀。
此時，測繪出版社的編輯邀請我出版自己的博士學位論文，並幫助我申請到測繪科技出版基金的支持。為了在《空間數據挖掘理論與套用》的基礎上深化自己的研究，以及凸顯博士學位論文“空間數據挖掘視角”的原始創新，我幾乎再次重做了博士學位論文，並把書名確定為《空間數據挖掘視角》。同時，在研究過程中也注重和新的技術結合，把“空間數據挖掘視角”置身於複雜網路中研究。歷經三載有餘，晨鐘與薄暮相連，寢食與出行共牽，知識與思維衝突，終成此書。書稿成時，曾廣邀不同學科的四方師長共教，八方朋友同閱，每獲指導，欣喜若狂，立即修正。如此寫寫改改，數易其稿，字斟句酌，又是數月。
空間數據挖掘是一個從具體海量數據到概括抽象知識的不確定濃縮過程。而且，在這種不確定的挖掘環境中，不同用戶在不同條件下對空間數據挖掘具有不同的要求。本書提出空間數據挖掘視角，在描述不同數據挖掘需求的基礎上，利用一定的數據挖掘算法，從大量空間數據中發現不同粒度的空間知識。基於空間數據挖掘，研究相同的人從不同的知識背景，或不同的人從相同的知識背景下，根據給定的目的要求，基於不同的認識層次或觀察點，從已經獲得的空間數據中，發現用於研究、解決和解釋自然、人類和社會的問題、現象的模式的角度。在討論空間數據挖掘視角的背景、內容和技術的過程中，試圖探尋空間數據挖掘一般視角規律，也在滑坡監測數據挖掘視角和網路化數據挖掘視角中取得了有意義的成果。
