空间模式挖掘理论与方法2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

空间模式挖掘理论与方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 背景及意义1

1.2 什么是空间模式挖掘4

1.3 空间模式挖掘的难点6

1.4 空间模式挖掘任务8

1.5 本书的内容与组织13

相关工作15

参考文献17

第2章 空间模式挖掘基础19

2.1 从事务数据到空间数据挖掘19

2.2 空间数据的表示和建模22

2.2.1 栅格结构22

2.2.2 矢量结构24

2.2.3 矢栅一体化结构26

2.3 空间数据获取29

2.3.1 基于Google Earth和Global Mapper获取空间数据29

2.3.2 基于ArcGIS提取空间数据33

2.4 空间计算39

2.4.1 空间索引技术39

2.4.2 空间近邻计算45

2.4.3 空间远邻查询48

2.4.4 寻找极大团和最大团49

相关工作53

参考文献53

第3章 空间关联规则挖掘55

3.1 空间关联规则的相关概念55

3.1.1 空间谓词55

3.1.2 概念层次树57

3.1.3 空间查询58

3.1.4 空间关联规则61

3.2 自顶向下、逐步求精的空间关联规则挖掘62

3.2.1 算法描述62

3.2.2 算法分析63

3.2.3 实例研究63

3.3 基于等价划分树的多层空间关联规则挖掘68

3.3.1 相关概念68

3.3.2 划分和空间关联规则70

3.3.3 优化策略76

3.3.4 算法设计及实现80

3.3.5 性能评估84

3.4 空间关联规则挖掘在气象数据上的应用86

3.4.1 问题提出86

3.4.2 问题定义86

3.4.3 挖掘结果分析87

相关工作88

参考文献88

第4章 经典数据的空间co-location模式挖掘（1）89

4.1 基本概念89

4.1.1 co-location挖掘相关概念89

4.1.2 co-location挖掘算法分类93

4.2 基于完全连接的co-location挖掘算法95

4.2.1 先验原理95

4.2.2 全连接算法的基本思想97

4.2.3 全连接算法（join-based algorithm）98

4.2.4 候选co-location的产生与剪枝100

4.2.5 产生候选co-location的表实例101

4.2.6 计算参与度与多分辨剪枝（multi-resolution pruning）102

4.2.7 产生co-location规则104

4.2.8 计算复杂度104

4.3 两种物化空间邻近关系的模型107

4.3.1 星型邻居物化模型107

4.3.2 团邻居物化模型108

4.3.3 模型比较109

4.4 无连接的co-location挖掘算法109

4.4.1 基本介绍110

4.4.2 无连接（join-less）算法110

4.4.3 算法的完备性和正确性113

4.5 部分连接的co-location挖掘算法115

4.5.1 部分连接（partial-join）方法115

4.5.2 分析比较join-based、join-less和partial-join算法115

相关工作119

参考文献120

第5章 经典数据的空间co-location模式挖掘（2）122

5.1 前缀树结构122

5.1.1 问题提出122

5.1.2 前缀树结构挖掘算法的实质分析123

5.2 基于CPI-tree的co-location挖掘算法124

5.2.1 CPI-tree：设计与构造124

5.2.2 CPI-tree：分析与讨论127

5.2.3 用CPI-tree生成co-location表实例128

5.3 基于iCPI-tree的co-location挖掘算法131

5.3.1 iCPI-tree定义131

5.3.2 基于iCPI-tree的挖掘算法132

5.3.3 iCPI-tree算法的完备性和正确性136

5.3.4 iCPI-tree与CPI-tree算法的计算复杂度比较137

5.4 基于有序团的极大co-location挖掘算法139

5.4.1 极大co-location模式139

5.4.2 候选极大co-location的产生140

5.4.3 计算co-location表实例141

5.4.4 基于有序团（order-clique-based）的算法145

5.4.5 算法复杂度分析147

5.5 前缀树算法的评估和总结148

5.5.1 实验评估148

5.5.2 co-location挖掘算法的一般模式151

相关工作151

参考文献152

第6章 不确定性数据的空间co-location模式挖掘154

6.1 空间不确定性数据的表示和建模154

6.1.1 不确定性数据产生的原因154

6.1.2 不确定性数据分类155

6.1.3 不确定性数据的表示和建模156

6.2 空间不确定性数据的距离计算158

6.2.1 值不确定性连续对象的距离计算158

6.2.2 值不确定性离散对象的距离计算161

6.3 基于期望距离的频繁co-location挖掘166

6.3.1 问题分析167

6.3.2 Ujoin-based算法167

6.3.3 边界矩形剪枝算法168

6.3.4 三角不等式剪枝算法170

6.3.5 实验评估172

6.4 基于动态规划的概率频繁co-location挖掘176

6.4.1 期望频繁与概率频繁176

6.4.2 基本的动态规划算法180

6.4.3 改进的动态规划算法187

6.4.4 近似挖掘算法191

6.4.5 实验评估192

相关工作202

参考文献203

第7章 区间数据的空间co-location模式挖掘205

7.1 区间实例的表示和划分205

7.1.1 区间实例的表示205

7.1.2 区间实例的模糊等价划分206

7.2 从区间数表示的空间数据集中挖掘co-location模式208

7.2.1 基于模糊等价类的co-location相关概念208

7.2.2 挖掘算法设计209

7.2.3 实验评估213

7.3 不精确概率215

7.3.1 证据理论216

7.3.2 概率区间216

7.3.3 模糊概率理论216

7.3.4 可能性理论217

7.4 概率区间下的可能世界模型217

7.4.1 可能世界模型217

7.4.2 概率区间的基本概念218

7.4.3 概率区间下的可能世界模型219

7.5 从带概率区间的不确定数据集中挖掘co-location模式224

7.5.1 概率区间下模式的频繁点概率224

7.5.2 概率区间下的co-location模式挖掘算法226

7.5.3 实验分析229

相关工作234

参考文献235

第8章 模糊数据的空间co-location模式挖掘236

8.1 模糊挖掘基础236

8.1.1 模糊集合的概念236

8.1.2 模糊α-截集237

8.1.3 模糊挖掘建模238

8.2 模糊特征的空间co-location模式挖掘240

8.2.1 相关定义及性质240

8.2.2 基本挖掘算法（FB算法）243

8.2.3 四个剪枝算法244

8.2.4 评估与分析250

8.3 模糊度阈值范围内模糊特征的co-location模式挖掘254

8.3.1 问题的提出及相关定义254

8.3.2 算法256

8.3.3 评估与分析259

8.3.4 “三江并流”项目中的应用260

8.4 带模糊属性的co-location模式挖掘264

8.4.1 属性模糊化264

8.4.2 模糊co-location模式266

8.4.3 模糊参与率（度）分析268

8.4.4 挖掘算法及剪枝269

8.4.5 评估与分析273

8.4.6 在城市土壤重金属含量关系分析中的应用276

相关工作277

参考文献278

第9章 加权co-location模式挖掘279

9.1 最大参与率与最小加权参与率279

9.1.1 最大参与率281

9.1.2 最小加权参与率281

9.2 基于最大参与率挖掘带稀有特征的co-location模式284

9.2.1 一个基础算法284

9.2.2 最大参与率的弱单调性与剪枝285

9.3 基于加权参与率挖掘带稀有特征的co-location模式289

9.3.1 基于加权参与率的基本挖掘算法289

9.3.2 加权参与率的部分向下闭合性与剪枝算法291

9.3.3 在模拟数据上的评估294

9.3.4 在实际数据中的应用297

9.4 带时间约束的加权co-location模式挖掘298

9.4.1 相关定义和一个引理298

9.4.2 基本挖掘算法301

9.4.3 top-k挖掘算法304

9.4.4 实验评估306

相关工作309

参考文献310

第10章 负co-location模式挖掘及SCPMiner开发312

10.1 负co-location模式312

10.1.1 基本定义312

10.1.2 负co-location模式的性质314

10.1.3 负co-location模式挖掘的难点315

10.2 非频繁co-location模式315

10.2.1 非频繁co-location模式316

10.2.2 非频繁co-location模式和负co-location模式比较316

10.3 基于正负模式关系挖掘有趣的负co-location模式316

10.3.1 挖掘有趣的负co-location模式算法317

10.3.2 算法解释318

10.3.3 算法的正确性、完整性及复杂度分析319

10.3.4 算法实验评估323

10.3.5 基于正负co-location模式挖掘的城市规划分析325

10.4 空间模式挖掘原型系统（SCPMiner）开发331

10.4.1 SCPMiner分析与设计331

10.4.2 SCPMiner的实现332

10.4.3 SCPMiner的可视化技术338

相关工作341

参考文献341

词汇索引343