GIS-9第十章空间建模和空间决策支持课稿.ppt

空间优化模式分类 静态-离散空间优化模式的数学表达：线性规划 线性规划，是指在一组线性的等式和不等式的约束下，求一个线性函数的最大值或最小值的问题。 一般形式： 目标： min c1x1+c2x2+…+cnxn 约束条件： a11x1+c12x2+…+c1nxn≤c1 …… am1x1+cm2x2+…+cmnxn ≤c1 x1,x2,…,xn≥0 5、空间相互作用域位置——分配模型 数据挖掘的四个步骤： 数据选取：提取有用数据 数据转换：使数据可以被进一步操作使用 常用变换： 将命名量装换成次序量； 对已有属性进行数学和逻辑运算。 数据挖掘：使用具体技术对数据进行挖掘 结果解释：信息过滤，并表现给决策者。 四、 数据仓库与空间数据挖掘 知识挖掘过程 四、 数据仓库与空间数据挖掘 1、从空间数据库中可发现的知识及应用 由于GIS数据库是空间数据库的主要类型，并且从GIS数据库中发现的知识类型及知识发现方法可以涵盖其它类型的空间数据库。因此，可以认为从GIS数据库中发现知识与SDM有相同的内涵。 四、 数据仓库与空间数据挖掘 从GIS数据库中可以发现的主要知识类型有： （1）普遍的几何知识 它是指某类目标的数量、大小、形态特征等普遍的几何特征。计算和统计空间目标几何特征量的最小值、最大值、均值、方差、众数等，还可统计特征量的直方图。在足够多样本的情况下，直方图数据可转换为先验概率使用。在此基础上，可根据背景知识归纳出高水平的普遍几何知识。 （2）空间分布规律 它是指目标在地理空间的分布规律，分成垂直向、水平向，以及垂直向和水平向的联合分布规律。垂直向分布即地物沿高程带的分布，如植被沿高程带的分布规律、植被沿坡度坡向分布规律等；水平向分布是指地物在平面区域的分布规律，如不同区域农作物的差异、公用设施的城乡差异等；垂直向和水平向的联合分布即不同的区域中地物沿高程的分布规律。 四、 数据仓库与空间数据挖掘 从GIS数据库中可以发现的主要知识类型有： （3）空间关联规则 它是空间目标之间相邻、相连、共生、包含等空间关联规则。例如，村落与道路相连，道路与河流的交叉处是桥梁等。 （4）空间聚类规则 空间聚类规则，或空间分类规则，是特征相近的空间目标聚类成上一级类的规则，可用于GIS的空间概括和综合。例如，将距离很近的散布居民点聚类成居民区。 （5）空间特征规则 它是某类或几类空间目标的几何与属性的普遍特征，即对共性的描述。普遍的几何知识属于空间特征规则的一类，由于它在遥感影像解译中的作用十分重要，所以分离出来单独作为一类知识。 四、 数据仓库与空间数据挖掘 从GIS数据库中可以发现的主要知识类型有： （6）空间区分规则 它指两类或多类目标之间的几何或属性的不同特征，即可以区分不同类目标的特征。 （7）空间演变规则 若GIS数据库是时空数据库或GIS数据库中，存有同一地区多个时间数据的快照，则可以发现空间演变规则。空间演变规则是空间目标依时间的变化规则，即哪些地区易变，哪些地区不易变，哪些目标易变以及怎样变，哪些目标固定不变。 （8）面向对象的知识 它是指某类复杂对象的子类构成的普遍特征知识。 四、 数据仓库与空间数据挖掘 从GIS数据库中发现的知识，可有下面两大方面的应用： （1）GIS智能化分析。SDM获取的知识同现有GIS分析工具获取的信息相比，更加概括、精练，并且发现使用现有GIS分析工具无法获取的隐含模式和规律，因此，SDM本身就是GIS智能化分析工具，也是构成GIS专家系统和决策支持系统的重要工具。 （2）在遥感影像解译中的应用。用于遥感影像解译中的约束、辅助、引导，解决同谱异物、同物异谱问题，减少分类识别的疑义度，提高解译的可靠性、精度和速度。SDM是建立遥感影像理解专家系统知识获取的重要技术手段和工具，遥感影像解译的结果又可更新GIS数据库。因此，SDM技术将会促进遥感与GIS的智能化集成。 四、 数据仓库与空间数据挖掘 2、空间数据挖掘与知识发现的方法 DM和KDD是多学科和多种技术交叉综合的新领域，它综合了机器学习、数据库、专家系统、模式识别、统计、管理信息系统、基于知识的系统、可视化等领域的有关技术，因而数据挖掘与知识发现方法是丰富多彩的。针对空间数据库的特点，存在下列可采用的空间数据挖掘与知识发现方法： 四、 数据仓库与空间数据挖掘 2、空间数据挖掘与知识发现的方法 （1）统计方法 统计方法一直是分析空间数据的常用方法，适用于数值型数据。有着较强的理论基础，拥有大量的算法，可有效地处理数值型数据。这类方法有时需要数据满足统计不相关假设，但是，很多情况下这种假设在空间数据库中难以满足，另外，统计方法难以处理非数