空间模式挖掘理论与方法 PDF下载

第1章　绪论
　1.1　背景及意义
　1.2　什么是空间模式挖掘
　1.3　空间模式挖掘的难点
　1.4　空间模式挖掘任务
　1.5　本书的内容与组织
　相关工作
　参考文献
第2章　空间模式挖掘基础
　2.1　从事务数据到空间数据挖掘
　2.2　空间数据的表示和建模
　　2.2.1　栅格结构
　　2.2.2　矢量结构
　　2.2.3　矢栅一体化结构<；span style="font-family:Simsun；line-height:20px；">；第1章　绪论<；br />；
　1.1　背景及意义<；br />；
　1.2　什么是空间模式挖掘<；br />；
　1.3　空间模式挖掘的难点<；br />；
　1.4　空间模式挖掘任务<；br />；
　1.5　本书的内容与组织<；br />；
　相关工作<；br />；
　参考文献<；br />；
第2章　空间模式挖掘基础<；br />；
　2.1　从事务数据到空间数据挖掘<；br />；
　2.2　空间数据的表示和建模<；br />；
　　2.2.1　栅格结构<；br />；
　　2.2.2　矢量结构<；br />；
　　2.2.3　矢栅一体化结构<；br />；
　2.3　空间数据获取<；br />；
　　2.3.1　基于Google Earth 和Global Mapper 获取空间数据<；br />；
　　2.3.2　基于ArcGIS 提取空间数据<；br />；
　2.4　空间计算<；br />；
　　2.4.1　空间索引技术<；br />；
　　2.4.2　空间近邻计算<；br />；
　　2.4.3　空间远邻查询<；br />；
　　2.4.4　寻找极大团和最大团<；br />；
　相关工作<；br />；
　参考文献<；br />；
第3章　空间关联规则挖掘<；br />；
　3.1　空间关联规则的相关概念<；br />；
　　3.1.1　空间谓词<；br />；
　　3.1.2　概念层次树<；br />；
　　3.1.3　空间查询<；br />；
　　3.1.4　空间关联规则<；br />；
　3.2　自顶向下、逐步求精的空间关联规则挖掘<；br />；
　　3.2.1　算法描述<；br />；
　　3.2.2　算法分析<；br />；
　　3.2.3　实例研究<；br />；
　3.3　基于等价划分树的多层空间关联规则挖掘<；br />；
　　3.3.1　相关概念<；br />；
　　3.3.2　划分和空间关联规则<；br />；
　　3.3.3　优化策略<；br />；
　　3.3.4　算法设计及实现<；br />；
　　3.3.5　性能评估<；br />；
　3.4　空间关联规则挖掘在气象数据上的应用<；br />；
　　3.4.1　问题提出<；br />；
　　3.4.2　问题定义<；br />；
　　3.4.3　挖掘结果分析<；br />；
　相关工作<；br />；
　参考文献<；br />
第4章　经典数据的空间co-location 模式挖掘(1)<br />
　4.1　基本概念<br />
　　4.1.1　co-location 挖掘相关概念<br />
　　4.1.2　co-location 挖掘算法分类<br />
　4.2　基于完全连接的co-location 挖掘算法<br />
　　4.2.1　先验原理<br />
　　4.2.2　全连接算法的基本思想<br />
　　4.2.3　全连接算法(join-based algorithm)<br />
　　4.2.4　候选co-location 的产生与剪枝<br />
　　4.2.5　产生候选co-location 的表实例<br />
　　4.2.6　计算参与度与多分辨剪枝(multi-resolution pruning)<br />
　　4.2.7　产生co-location 规则<br />
　　4.2.8　计算复杂度<br />
　4.3　两种物化空间邻近关系的模型<br />
　　4.3.1　星型邻居物化模型<br />
　　4.3.2　团邻居物化模型<br />
　　4.3.3　模型比较<br />
　4.4　无连接的co-location 挖掘算法<br />
　　4.4.1　基本介绍<br />
　　4.4.2　无连接(join-less)算法<br />
　　4.4.3　算法的完备性和正确性<br />
　4.5　部分连接的co-location 挖掘算法<br />
　　4.5.1　部分连接(partial-join)方法<br />
　　4.5.2　分析比较join-based、join-less 和partial-join 算法<br />
　相关工作<br />
　参考文献<br />
第5章　经典数据的空间co-location 模式挖掘(2)<br />
　5.1　前缀树结构<br />
　　5.1.1　问题提出<br />
　　5.1.2　前缀树结构挖掘算法的实质分析<br />
　5.2　基于CPI-tree 的co-location 挖掘算法<br />
　　5.2.1　CPI-tree 设计与构造<br />
　　5.2.2　CPI-tree 分析与讨论<br />
　　5.2.3　用CPI-tree 生成co-location 表实例<br />
　5.3　基于iCPI-tree 的co-location 挖掘算法<br />
　　5.3.1　iCPI-tree 定义<br />
　　5.3.2　基于iCPI-tree 的挖掘算法<br />
　　5.3.3　iCPI-tree 算法的完备性和正确性<br />
　　5.3.4　iCPI-tree 与CPI-tree 算法的计算复杂度比较<br />
　5.4　基于有序团的极大co-location 挖掘算法<br />
　　5.4.1　极大co-location 模式<br />
　　5.4.2　候选极大co-location 的产生<br />
　　5.4.3　计算co-location 表实例<br />
　　5.4.4　基于有序团(order-clique-based)的算法<br />
　　5.4.5　算法复杂度分析<br />
　5.5　前缀树算法的评估和总结<br />
　　5.5.1　实验评估<br />
　　5.5.2　co-location 挖掘算法的一般模式<br />
　相关工作<br />
　参考文献<br />
第6章　不确定性数据的空间co-location 模式挖掘<br />
　6.1　空间不确定性数据的表示和建模<br />
　　6.1.1　不确定性数据产生的原因<br />
　　6.1.2　不确定性数据分类<br />
　　6.1.3　不确定性数据的表示和建模<br />
　6.2　空间不确定性数据的距离计算<br />
　　6.2.1　值不确定性连续对象的距离计算<br />
　　6.2.2　值不确定性离散对象的距离计算<br />
　6.3　基于期望距离的频繁co-location 挖掘<br />
　　6.3.1　问题分析<br />
　　6.3.2　Ujoin-based 算法<br />
　　6.3.3　边界矩形剪枝算法<br />
　　6.3.4　三角不等式剪枝算法<br />
　　6.3.5　实验评估<br />
　6.4　基于动态规划的概率频繁co-location 挖掘<br />
　　6.4.1　期望频繁与概率频繁<br />
　　6.4.2　基本的动态规划算法<br />
　　6.4.3　改进的动态规划算法<br />
　　6.4.4　近似挖掘算法<br />
　　6.4.5　实验评估<br />
　相关工作<br />
　参考文献<br />
第7章　区间数据的空间co-location 模式挖掘<br />
　7.1　区间实例的表示和划分<br />
　　7.1.1　区间实例的表示<br />
　　7.1.2　区间实例的模糊等价划分<br />
　7.2　从区间数表示的空间数据集中挖掘co-location 模式<br />
　　7.2.1　基于模糊等价类的co-location 相关概念<br />
　　7.2.2　挖掘算法设计<br />
　　7.2.3　实验评估<br />
　7.3　不精确概率<br />
　　7.3.1　证据理论<br />
　　7.3.2　概率区间<br />
　　7.3.3　模糊概率理论<br />
　　7.3.4　可能性理论<br />
　7.4　概率区间下的可能世界模型<br />
　　7.4.1　可能世界模型<br />
　　7.4.2　概率区间的基本概念<br />
　　7.4.3　概率区间下的可能世界模型<br />
　7.5　从带概率区间的不确定数据集中挖掘co-location 模式<br />
　　7.5.1　概率区间下模式的频繁点概率<br />
　　7.5.2　概率区间下的co-location 模式挖掘算法<br />
　　7.5.3　实验分析<br />
　相关工作<br />
　参考文献<br />
第8章　模糊数据的空间co-location 模式挖掘<br />
　8.1　模糊挖掘基础<br />
　　8.1.1　模糊集合的概念<br />
　　8.1.2　模糊α-截集<br />
　　8.1.3　模糊挖掘建模<br />
　8.2　模糊特征的空间co-location 模式挖掘<br />
　　8.2.1　相关定义及性质<br />
　　8.2.2　基本挖掘算法(FB算法)<br />
　　8.2.3　四个剪枝算法<br />
　　8.2.4　评估与分析<br />
　8.3　模糊度阈值范围内模糊特征的co-location 模式挖掘<br />
　　8.3.1　问题的提出及相关定义<br />
　　8.3.2　算法<br />
　　8.3.3　评估与分析<br />
　　8.3.4　“三江并流”项目中的应用<br />
　8.4　带模糊属性的co-location 模式挖掘<br />
　　8.4.1　属性模糊化<br />
　　8.4.2　模糊co-location 模式<br />
　　8.4.3　模糊参与率(度)分析<br />
　　8.4.4　挖掘算法及剪枝<br />
　　8.4.5　评估与分析<br />
　　8.4.6　在城市土壤重金属含量关系分析中的应用<br />
　相关工作<br />
　参考文献<br />
第9章　加权co-location 模式挖掘<br />
　9.1　最大参与率与最小加权参与率<br />
　　9.1.1　最大参与率<br />
　　9.1.2　最小加权参与率<br />
　9.2　基于最大参与率挖掘带稀有特征的co-location 模式<br />
　　9.2.1　一个基础算法<br />
　　9.2.2　最大参与率的弱单调性与剪枝<br />
　9.3　基于加权参与率挖掘带稀有特征的co-location 模式<br />
　　9.3.1　基于加权参与率的基本挖掘算法<br />
　　9.3.2　加权参与率的部分向下闭合性与剪枝算法<br />
　　9.3.3　在模拟数据上的评估<br />
　　9.3.4　在实际数据中的应用<br />
　9.4　带时间约束的加权co-location 模式挖掘<br />
　　9.4.1　相关定义和一个引理<br />
　　9.4.2　基本挖掘算法<br />
　　9.4.3　top-k挖掘算法<br />
　　9.4.4　实验评估<br />
　相关工作<br />
　参考文献<br />
第10章　负co-location 模式挖掘及SCPMiner开发<br />
　10.1　负co-location 模式<br />
　　10.1.1　基本定义<br />
　　10.1.2　负co-location 模式的性质<br />
　　10.1.3　负co-location 模式挖掘的难点<br />
　10.2　非频繁co-location 模式<br />
　　10.2.1　非频繁co-location 模式<br />
　　10.2.2　非频繁co-location 模式和负co-location 模式比较<br />
　10.3　基于正负模式关系挖掘有趣的负co-location 模式<br />
　　10.3.1　挖掘有趣的负co-location 模式算法<br />
　　10.3.2　算法解释<br />
　　10.3.3　算法的正确性、完整性及复杂度分析<br />
　　10.3.4　算法实验评估<br />
　　10.3.5　基于正负co-location 模式挖掘的城市规划分析<br />
　10.4　空间模式挖掘原型系统(SCPMiner)开发<br />
　　10.4.1　SCPMiner分析与设计<br />
　　10.4.2　SCPMiner的实现<br />
　　10.4.3　SCPMiner的可视化技术<br />
　相关工作<br />
　参考文献<br />
词汇索引<br />
</span><span style="font-family:Simsun;line-height:20px;"></span>