空间建模与空间决策支持.ppt

二、人工智能与专家系统 从广义上讲，一般认为用计算机模拟人的智能行为就属于人工智能的范畴。人工智能广泛应用于知识工程、专家系统、决策支持系统、模式识别、自然语言理解、智能机器人等方面。专家系统（ES）是人工智能应用最为成熟的一个领域，与模式识别、智能机器人并列为人工智能技术中最活跃的三个领域。 人工智能和专家系统在地理科学中有着广泛的应用前景，是地理科学适应信息时代要求的基本技术手段。 二、专家系统的知识表示与推理 知识表示综合采取多种有效的形式，推理模块是不同应用领域相关模块的有机综合。推理模块是其关键所在，是空间分析模块与专家系统的结合，稳定、完善的推理模块是系统成败的关键问题。 1. 知识表示 (1)知识表示的形式 知识表达效果最好的知识表示形式是产生式规则。产生式规则的知识一般表示为：if A then B,简化为A→B(产生式规则)，意思是：如果A成立，则B成立。 产生式规则的知识表示具有如下特点： ① 相同的条件可以得出不同的结论。 ② 相同的结论可以有不同的条件来得到。 ③ 条件之间可以是“与”（AND）连接和“或”（OR）连接。 ④ 一般规则中的结论，可以是另一条规则中的条件。 (2) 知识精确程度 由于专家的大部分决策都是在知识不确定的情况下作出的，因此，在决策模型的实际应用过程中，经常使用可信度（CF）来表示事实和规则的确信程度。 造成事实不确定性的因素有含糊性、不完全性、不精确性、随机性和模糊性。事实的不确定性可以用可信度CF值表示，CF的取值范围为： 0≤CF≤1或0≤CF≤100 (3) 规则的结构形式 一个规则的前提条件可以是一个对象的事实也可以是两个或两个以上对象事实经过逻辑“与”、“或”的连接来表达。但后续结果只能包含一个对象事实。规则中的前提条件和后续结果除了可以表示不同的对象事实之间的关系以外，还可以表示对象事实和函数之间的关系。 ２. 知识推理 知识推理方法有前向推理（数据驱动）和后向推理（目标驱动）。由于空间决策问题的复杂性，在空间决策分析过程中，两种推理方法经常结合起来使用。规则推理经常使用后向推理方法，而模型推理则使用前向推理方法。 三、人工智能与专家系统 从广义上讲，一般认为用计算机模拟人的智能行为就属于人工智能的范畴。人工智能广泛应用于知识工程、专家系统、决策支持系统、模式识别、自然语言理解、智能机器人等方面。专家系统（ES）是人工智能应用最为成熟的一个领域，与模式识别、智能机器人并列为人工智能技术中最活跃的三个领域。 人工智能和专家系统在地理科学中有着广泛的应用前景，是地理科学适应信息时代要求的基本技术手段。 第四节 数据仓库与空间数据挖掘 一、数据仓库 近年来，人们逐渐认识到计算机系统存在两类不同的处理：操作型处理和分析型处理。 操作型处理也叫事务型处理，是指对数据库联机进行的日常操作，通常是对一个或一组记录的查询和修改，主要为企业特定应用服务，对此人们关心的是响应时间、数据的安全性和完整性。 分析型处理是用于管理人员的决策分析，例如决策支持系统、专家系统和多维分析等，经常要访问大量的历史数据。 数据仓库 （Data Warehouse）： 数据仓库是指面向主题的、集成的、稳定的、随着时间变化的数据集合，用以支持管理决策。数据仓库是一种把收集的数据转变成有意义的信息技术。 数据仓库体系结构 二、数据挖掘 “人们被数据淹没，但却饥饿于知识” 数据挖掘(Data Mining)，又称为数据库中的知识发现(Knowledge Discovery in Database, KDD)， 就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程，简单的说，数据挖掘就是从大量数据中提取或“挖掘”知识。 数据挖掘主要分为以下四个步骤： 1）数据选取 2）数据转换 3）数据挖掘 4）结果解释 知识挖掘过程 1、定义 三、空间数据挖掘 空间数据挖掘和知识发现（ Spatial Data Mining and Knowledge Discovery，SDMKD）简称空间数据挖掘 （Spatial Data Mining ,SDM），是数据挖掘的一个新的分支。 从空间数据中提取隐含其中、事先未知、潜在有用的、空间的或非空间的一般知识规则的过程。 空间数据库中的知识： 浅层知识 如某一地区有无河流、道路的最大和最小宽度等,这些知识一般通过GIS 的查询功能就能提取出来。 深层知识 如空间位置分布规律、空间关联规则、形态特征区分规则等,它们并没有直接存储于空间数据库中,必须通过运算和学习才能挖掘出来。 与