论文部分内容阅读
空间数据挖掘是指从空间数据库中提取用户感兴趣的空间模式与特征、空间与非空间数据的普遍关系及其它一些隐含在空间数据中的普遍的数据特征。 Rough集理论是由Pawlak二十世纪八十年代发展起来的一种处理不精确、不确定和模糊数据的新型数学工具，它能有效地从数据本身提供的信息中发现有效的、潜在的知识。而云理论则是以研究定性定量间的不确定性转换为基础的系统处理不确定性问题的一种新理论，包括云模型、虚拟云、云运算、云变换、不确定性推理等内容。 本文系统研究了空间数据挖掘的理论、方法和应用。并将Rough集理论和云理论引入空间数据挖掘领域，系统地研究了Rough集理论用于空间数据挖掘的基础理论和方法。 论文介绍了一种基于Rough集和云模型的空间数据挖掘模型，给出了该模型应用的一般方法与步骤，并将其应用于GIS数据分类规则挖掘。提出了一种基于云模型的决策表连续属性离散化算法，提高所挖掘规则的统计意义和预测强度。最后用一组GIS数据验证了该算法的适用性和有效性。