地理空间数据挖掘

前言

引言

0.1 时空数据的特点

0.2 基于栅格的数据分析及发掘流程

0.3 涉及的关键技术

0.3.1 空间统计分析技术

0.3.2 数据挖掘技术

0.3.3 空间数据挖掘技术

0.3.4 基于贝叶斯网络的学习及概率推理技术

0.4 案例

0.5 本书组织结构

参考文献

第一篇理论方法

第1章 数据来源及预处理

1.1 多源异构的数据来源

1.1.1 按照存储格式划分

1.1.2 按照来源划分

1.1.3 按照类型划分

1.1.4 矢量数据转换成栅格数据以及栅格数据的重采样

1.2 数据预处理

1.2.1 插值数据分析

1.2.2 缺值数据分析

1.2.3 正则化（数据过滤）

1.2.4 孤立点及噪点分析

1.2.5 数据转换

1.2.6 多重共线性分析

1.2.7 特征选择

1.2.8 模型组合

参考文献

第2章 相关性分析

2.1 普通的相关性分析

2.1.1 Pearson相关系数探索连续变量相关性

2.1.2 Spearman及Kendall'stau-b相关系数探索离散变量关联性

2.1.3 散点图分析

2.1.4 条件直方图分析

2.1.5 三维插值曲面图分析

2.2 空间自相关及聚集性

2.2.1 空间自相关性

2.2.2 空间自相关的计算及（空间聚集性）解泽

2.2.3 空间自相关图

2.3 空间变异性

2.3.1 基本原理

2.3.2 变异函数的定义及解译

2.4 时间序列相关性

2.4.1 自相关函数和偏自相关函数

2.4.2 ARMA模型的自相关分析

参考文献

第3章 关联规则发现

3.1 普通的关联规则发现

3.1.1 Apriori算法

3.1.2 FP-Growth算法

3.2 空间上的关联规则

3.2.1 空间关联规则

3.2.2 空间同位规则

3.3 时空上的关联性

3.3.1 区内非序列关联模式

3.3.2 区内序列关联模式

3.3.3 区之间非序列／序列关联模式

3.4 案例

参考文献

第4章 监督学习提取知识及预测

4.1 基于规则的学习方法

4.1.1 决策树学习器

4.1.2 粗糙集学习器

……

第二篇软件工具

第三篇综合运用

供地学研究者在处理地理空间数据及其时间序列分析中参考使用，尤其是从事资源环境调查、风险分析的研究者；可供资源环境领域及自然灾害领域的本科生、研究生学习空间分析、数据挖掘及辅助决策支持系统使用。《地理空间数据挖掘》针对空间数据具有空间关联性即空间变异性的特点，系统总结了空间数据挖掘的理论方法，描述了主要的空间数据分析及挖掘软件，探讨了空间数据挖掘在资源环境调查、自然灾害风险分析等方面的综合运用，展现了其解决实际问题的作用及辅助决策的功能。《地理空间数据挖掘》可供地学、环境及社会科学等领域的研究者对空间数据进行探索性分析、统计建模及预测时参考使用。