掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數學專題練1200題
-
>
希格斯:“上帝粒子”的發明與發現
-
>
神農架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
地理空間異常探測理論與方法 版權信息
- ISBN：9787030646132
- 條形碼：9787030646132 ; 978-7-03-064613-2
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
地理空間異常探測理論與方法 內容簡介
海量地理空間數據中通常隱含著多種類型空間分布特征（亦稱模式），其中地理空間異常是一種偏離整體或局部空間分布的模式，可能表征地理事物或現象之間潛在的關聯關系、變化規律和發展趨勢，并代表特殊的地理現象或地理過程。地理空間異常模式探測已成為地理空間數據挖掘的重要研究內容，亦是地理知識發現的一種主要手段，并在特別氣候事件識別、環境保護、交通擁堵檢測、犯罪和流行病暴發熱點探測等眾多領域得到廣泛應用。目前，地理空間數據獲取能力大大提升，地理空間數據類型眾多，數據之間的關系復雜，并與空間/時間尺度密切相關。因此，本書針對不同類型的地理空間數據并結合實際應用，系統地研究了地理空間數據異常模式的探測方法，主要內容包括：（1）對國內外相關研究工作進行了系統地分類總結；（2）結合地理空間數據的特點，對不同類型的空間/時空異常模式進行了定義和描述；（3）系統地闡述不同類型空間/時空異常的探測方法；（4）闡述不同類型空間/時空異常探測的可靠性分析方法。
地理空間異常探測理論與方法 目錄
目錄
“地球觀測與導航技術叢書”編寫說明
前言
第1章 緒論 1
1.1 研究背景 1
1.2 研究意義 3
1.3 地理空間異常研究概況 4
1.4 地理空間異常研究框架 6
1.5 本書的內容組織 8
1.6 本章小結 10
參考文獻 10
第2章 地理空間異常的定義與分類描述 13
2.1 引言 13
2.2 事務型數據異常的定義與分類 13
2.3 空間數據的分類與表達 15
2.3.1 空間數據的分類 15
2.3.2 空間數據的特征 15
2.3.3 空間數據的表達 16
2.3.4 空間鄰域的構建 18
2.4 空間異常的定義與分類描述 20
2.4.1 空間異常的定義 20
2.4.2 空間異常的分類描述 20
2.5 時空數據的分類與表達 22
2.5.1 時空數據的分類 22
2.5.2 時空數據的特征 23
2.5.3 時空數據的表達 24
2.5.4 時空鄰域的構建 25
2.6 時空異常的定義與分類描述 26
2.6.1 時空軌跡異常的定義與分類描述 26
2.6.2 時空序列異常的定義與分類描述 26
2.7 本章小結 29
參考文獻 29
第3章 基于位置信息的空間異常探測 32
3.1 引言 32
3.2 基于統計的異常探測 33
3.2.1 參數統計探測法 33
3.2.2 非參數統計探測法 35
3.3 基于鄰近關系度量的異常探測 40
3.3.1 歐氏距離度量探測法 40
3.3.2 角度度量探測法 42
3.3.3 局部密度度量探測法 43
3.4 基于聚類分析的異常探測 47
3.4.1 直接探測法 47
3.4.2 間接探測法 48
3.5 基于層次約束不規則三角網的異常探測 50
3.5.1 同類空間點事件探測法 50
3.5.2 兩類空間點事件探測法 56
3.5.3 實例分析 61
3.6 本章小結 71
參考文獻 71
第4章 基于位置和屬性信息的空間異常探測 74
4.1 引言 74
4.2 基于變量關系可視化的異常探測 76
4.3 基于屬性距離度量的異常探測 77
4.3.1 空間距離等權探測法 78
4.3.2 空間距離加權探測法 79
4.4 基于密度估計的異常探測 80
4.4.1 局部密度探測法 81
4.4.2 高斯核密度探測法 83
4.5 基于聚類分析的異常探測 86
4.5.1 直接探測法 87
4.5.2 間接探測法 88
4.6 基于智能計算的異常探測 90
4.6.1 隨機游走模型探測法 90
4.6.2 自組織映射神經網絡探測法 92
4.7 基于圖論的異常探測 94
4.7.1 K鄰近圖探測法 95
4.7.2 圖論-密度耦合探測法 96
4.7.3 實例分析 106
4.8 本章小結 111
參考文獻 111
第5章 時空軌跡異常探測 113
5.1 引言 113
5.2 時空軌跡形狀異常探測 114
5.2.1 軌跡劃分探測法 114
5.2.2 方向-密度度量探測法 116
5.2.3 格網計數探測法 117
5.3 時空軌跡分布異常探測 119
5.3.1 距離度量探測法 119
5.3.2 PCA探測法 120
5.3.3 掃描統計探測法 122
5.3.4 時空聚類探測法 122
5.3.5 實例分析 126
5.4 本章小結 129
參考文獻 129
第6章 時空序列異常探測 131
6.1 引言 131
6.2 基于屬性距離度量的異常探測 132
6.2.1 時空分治探測法 132
6.2.2 時空一體化探測法 134
6.3 基于空間掃描統計的異常探測 136
6.4 基于聚類分析的異常探測 139
6.4.1 多尺度模糊探測法 139
6.4.2 密度聚類探測法 140
6.5 基于尺度空間的多尺度異常探測 141
6.5.1 尺度空間理論 142
6.5.2 改進的尺度空間聚類法 143
6.5.3 基于尺度空間聚類的多尺度異常探測 145
6.6 基于動態時空建模的異常探測 146
6.6.1 動態時空建模探測法 147
6.6.2 實例分析 156
6.7 本章小結 179
參考文獻 179
第7章 地理空間異常的可靠性分析 182
7.1 引言 182
7.2 基于關聯規則挖掘的地理空間異常可靠性分析 183
7.2.1 基于Voronoi圖的空間關聯規則挖掘方法 183
7.2.2 基于事件影響域的時空關聯規則挖掘方法 185
7.3 基于遙相關模式挖掘的地理空間異常可靠性分析 187
7.3.1 層次聚類分區-時間延遲法 188
7.3.2 尺度空間分區-滑動時間窗口法 189
7.3.3 實例分析 192
7.4 基于環境相似性的地理空間異常可靠性分析 202
7.4.1 地理環境相似性 202
7.4.2 地理空間異常顯著性檢驗方法 203
7.4.3 實例分析 207
7.5 本章小結 214
參考文獻 214
第8章 總結與展望 218
8.1 總結 218
8.2 研究展望 219
彩圖
“地球觀測與導航技術叢書”編寫說明
前言
第1章 緒論 1
1.1 研究背景 1
1.2 研究意義 3
1.3 地理空間異常研究概況 4
1.4 地理空間異常研究框架 6
1.5 本書的內容組織 8
1.6 本章小結 10
參考文獻 10
第2章 地理空間異常的定義與分類描述 13
2.1 引言 13
2.2 事務型數據異常的定義與分類 13
2.3 空間數據的分類與表達 15
2.3.1 空間數據的分類 15
2.3.2 空間數據的特征 15
2.3.3 空間數據的表達 16
2.3.4 空間鄰域的構建 18
2.4 空間異常的定義與分類描述 20
2.4.1 空間異常的定義 20
2.4.2 空間異常的分類描述 20
2.5 時空數據的分類與表達 22
2.5.1 時空數據的分類 22
2.5.2 時空數據的特征 23
2.5.3 時空數據的表達 24
2.5.4 時空鄰域的構建 25
2.6 時空異常的定義與分類描述 26
2.6.1 時空軌跡異常的定義與分類描述 26
2.6.2 時空序列異常的定義與分類描述 26
2.7 本章小結 29
參考文獻 29
第3章 基于位置信息的空間異常探測 32
3.1 引言 32
3.2 基于統計的異常探測 33
3.2.1 參數統計探測法 33
3.2.2 非參數統計探測法 35
3.3 基于鄰近關系度量的異常探測 40
3.3.1 歐氏距離度量探測法 40
3.3.2 角度度量探測法 42
3.3.3 局部密度度量探測法 43
3.4 基于聚類分析的異常探測 47
3.4.1 直接探測法 47
3.4.2 間接探測法 48
3.5 基于層次約束不規則三角網的異常探測 50
3.5.1 同類空間點事件探測法 50
3.5.2 兩類空間點事件探測法 56
3.5.3 實例分析 61
3.6 本章小結 71
參考文獻 71
第4章 基于位置和屬性信息的空間異常探測 74
4.1 引言 74
4.2 基于變量關系可視化的異常探測 76
4.3 基于屬性距離度量的異常探測 77
4.3.1 空間距離等權探測法 78
4.3.2 空間距離加權探測法 79
4.4 基于密度估計的異常探測 80
4.4.1 局部密度探測法 81
4.4.2 高斯核密度探測法 83
4.5 基于聚類分析的異常探測 86
4.5.1 直接探測法 87
4.5.2 間接探測法 88
4.6 基于智能計算的異常探測 90
4.6.1 隨機游走模型探測法 90
4.6.2 自組織映射神經網絡探測法 92
4.7 基于圖論的異常探測 94
4.7.1 K鄰近圖探測法 95
4.7.2 圖論-密度耦合探測法 96
4.7.3 實例分析 106
4.8 本章小結 111
參考文獻 111
第5章 時空軌跡異常探測 113
5.1 引言 113
5.2 時空軌跡形狀異常探測 114
5.2.1 軌跡劃分探測法 114
5.2.2 方向-密度度量探測法 116
5.2.3 格網計數探測法 117
5.3 時空軌跡分布異常探測 119
5.3.1 距離度量探測法 119
5.3.2 PCA探測法 120
5.3.3 掃描統計探測法 122
5.3.4 時空聚類探測法 122
5.3.5 實例分析 126
5.4 本章小結 129
參考文獻 129
第6章 時空序列異常探測 131
6.1 引言 131
6.2 基于屬性距離度量的異常探測 132
6.2.1 時空分治探測法 132
6.2.2 時空一體化探測法 134
6.3 基于空間掃描統計的異常探測 136
6.4 基于聚類分析的異常探測 139
6.4.1 多尺度模糊探測法 139
6.4.2 密度聚類探測法 140
6.5 基于尺度空間的多尺度異常探測 141
6.5.1 尺度空間理論 142
6.5.2 改進的尺度空間聚類法 143
6.5.3 基于尺度空間聚類的多尺度異常探測 145
6.6 基于動態時空建模的異常探測 146
6.6.1 動態時空建模探測法 147
6.6.2 實例分析 156
6.7 本章小結 179
參考文獻 179
第7章 地理空間異常的可靠性分析 182
7.1 引言 182
7.2 基于關聯規則挖掘的地理空間異常可靠性分析 183
7.2.1 基于Voronoi圖的空間關聯規則挖掘方法 183
7.2.2 基于事件影響域的時空關聯規則挖掘方法 185
7.3 基于遙相關模式挖掘的地理空間異常可靠性分析 187
7.3.1 層次聚類分區-時間延遲法 188
7.3.2 尺度空間分區-滑動時間窗口法 189
7.3.3 實例分析 192
7.4 基于環境相似性的地理空間異常可靠性分析 202
7.4.1 地理環境相似性 202
7.4.2 地理空間異常顯著性檢驗方法 203
7.4.3 實例分析 207
7.5 本章小結 214
參考文獻 214
第8章 總結與展望 218
8.1 總結 218
8.2 研究展望 219
彩圖
展開全部
地理空間異常探測理論與方法 節選
第1章 緒論 1.1 研究背景 隨著對地觀測技術、傳感網技術、網絡通信技術、空間科學技術的迅速發展，地理空間數據的獲取能力大大增強，地理空間數據量呈指數級增長。如何從這些海量地理空間數據中挖掘人們感興趣的、隱藏的、潛在有用的信息和知識，是一項極具挑戰性的研究難題，稱為地理空間數據挖掘(李德仁等， 2006；龔健雅， 2007)。 地理空間數據挖掘是計算機科學與地理信息科學領域的交叉前沿方向。在計算機領域，數據挖掘正是為了解決“數據極度豐富而信息極度匱乏”這一難題而誕生的(Han & Kamber， 2000；Tan et al.， 2006)。數據挖掘*初以“從數據庫中發現知識”(knowledge discovery in databases，KDD)的概念誕生于1989年在美國底特律召開的第11屆國際聯合人工智能學術會議上。此后，美國人工智能協會(Association for the Advancement of Artificial Intelligence，AAAI)每年主辦一次KDD國際學術研討會；自1997年起在歐洲和亞洲地區也每年分別召開一次亞太數據挖掘與知識發現(Data Mining and Knowledge Discovery， DMKD)會議和歐洲DMKD會議。1993年，美國電氣和電子工程師協會(Institute of Electrical and Electronics Engineers，IEEE)中的知識與數據工程(Knowledge and Data Engineering， KDE)會議期刊首次收錄了有關KDD的論文集，這些論文對KDD與機器學習、專家系統、數理統計之間的區別及聯系進行了詳細闡述。1996年，學者Fayyad等首次對數據挖掘進行了詳細定義，將數據挖掘描述為從海量的數據集中提取潛在的、有用的、新穎的、有意義的知識和模式的過程(Fayyad et al.， 1996)，這個經典的定義一直沿用至今。1997年，Data Mining and Knowledge Discovery雜志誕生，這是國際上**本有關KDD的正式雜志。2000年，Han和Kamber出版了世界上**本數據挖掘專著Data Mining: Concepts and Techniques(Han & Kamber， 2000)。2006年，Tan等出版了另一部有關數據挖掘的專著Introduction in Data Mining(Tan et al.， 2006)。 數據挖掘融合了數據庫技術、機器學習、模式識別、數理統計、專家系統、人工智能等多個領域的相關理論和方法，主要技術手段包括聚類分析、異常探測、關聯規則挖掘、分類、預測等，這些技術手段通常可以單獨用來挖掘知識(Han & Kamber， 2000; Fayyad et al.， 1996)。當數據集或分布模式較為復雜時，需要融合多種技術手段進行挖掘分析。 空間數據通常具有空間相關性、異質性和尺度依賴性等特征，較傳統的事務型數據更為復雜。為了從空間數據庫中發現潛在的、有用的、新穎的、有意義的規則、規律和模式等知識，李德仁院士從地理信息系統(geographic information system， GIS)數據庫中發現知識，并系統地闡述了空間數據挖掘的特點和方法，標志著空間數據挖掘的概念正式誕生(Li & Cheng， 1994)。空間數據挖掘可以視為傳統數據挖掘技術在空間數據庫中的擴展，已成為數據挖掘領域的重要發展方向，引起了眾多國際學術組織的廣泛關注和重視(Miller & Han， 2001; 邸凱昌， 2000)。通過二十多年的相關國際會議主題可以發現，空間數據挖掘一直都是ACM- SIGMD (Asso-ciation for computing Machineny-Special Interest Group on Management of Data)數據管理國際會議、大型空間數據庫研討會(Symposium on Large Spatial Databases， SLSD)、DMKD會議、國際攝影測量遙感(International Society of Photogrammetry and Remote Sensing， ISPRS)會議、空間數據處理(Spatial Data Handling，SDH)會議、國際空間信息理論會議(Conference on Spatial Information Theory， COSIT)等重要國際會議的熱點討論主題。國際著名學者Han、Easter、Miller、Shekhar等均對空間數據挖掘開展了持續性的研究工作，促進了空間數據挖掘的蓬勃發展(Han et al.， 1997；Ester et al.， 1997; Miller & Han， 2001; Shekhar et al.， 2003)。 空間數據通常同時包含空間位置信息(如經緯度)和非空間專題屬性信息(如降水、氣溫等)(王家耀， 2001)。此外，空間數據還可能具有非線性、多尺度、高維、不完備等特性(裴韜等， 2001)，這些特性使得傳統的數據挖掘技術不能直接用于空間數據挖掘，而需要在顧及空間數據特性的基礎上，融合各種數據挖掘技術來得到空間實體或地理現象之間的聯系，以揭示空間實體或地理現象的發展趨勢和變化規律。 隨著時空數據的空間或時間分辨率不斷提高以及時空數據量呈指數倍地急劇增長，如何從海量、復雜的時空數據庫中快速、有效地分析挖掘各類潛在的、有用的知識和模式，以深入地理解和預測各種空間實體、地理現象以及它們之間的復雜關系、動態變化和發展趨勢，亟須發展時空數據挖掘的理論、技術和方法，主要研究內容包括時空聚類、時空異常探測、時空關聯挖掘、時空預測建模等。其中，時空異常具體可表現為極端氣候事件、交通擁堵現象、環境污染、疾病暴發等，已引起人們的廣泛關注，準確探測時空異常模式并深入分析其內在的關聯機制和發展規律將有助于精準預測，從而輔助政府相關部門進行科學決策。 相對來說，時空數據挖掘技術起步較晚，近年來開始受到較為廣泛的關注，一些代表性的國際會議包括：空間與時空數據挖掘(Spatial and Spatio-temporal Data Mining， SSDM)、國際知識發現與數據挖掘會議(International Conference on Knowledge Discovery and Data Mining， ICKDDM)、國際數據工程會議(International Conference on Data Engineering， ICDE)、國際地理信息系統發展會議(International Conference on Advances in Geographic Information Systems， ICAGIS)、國際時空數據庫發展會議(International Symposium on Advances in Spatial and Temporal Databases， ISASTD)等，時空數據挖掘作為這些會議的重要議題，主要探討時空數據挖掘的理論、模型、算法和應用等問題。 1.2 研究意義 “異常”*初被定義為嚴重偏離數據整體分布的觀測對象，以至于令人懷疑它由不同機制產生(Hawkins， 1980)。在這種情況下，異常探測一方面可以過濾海量數據中的噪聲，以達到數據清理的目的；另一方面可以發現一些不同尋常的行為或變化，以便及時采取應急或預防措施。例如，金融欺詐行為實際上是盜卡人的購買模式，與持卡人通常具有明顯差異，通過對這類異常購買行為進行準確識別并進行重點關注，可以幫助持卡人發現信用卡被盜竊，從而**限度地降低持卡人的經濟損失。 海量地理空間數據通常蘊含著豐富而又極其復雜的異常信息或異常模式，這些異常信息或異常模式可能是無用的噪聲，亦可能代表著事物發展的某種特殊規律，如交通領域的交通擁堵事件、環境領域的土壤重金屬污染、氣象領域的厄爾尼諾現象、流行病領域的疾病暴發等，在現實生活中這些時空異常模式往往更能引起人們的關注。 ① 城市交通管制。通過有效識別城市交通擁堵事件，進一步分析交通擁堵的內在成因，有助于交通高效管制，方便市民制訂合理的出行計劃。 ② 環境保護。工業污染一直是嚴重的環境問題，工廠排出的廢水廢氣嚴重影響土壤和空氣質量，通過探尋污染異常嚴重的區域，有助于追根溯源，科學制定相關政策進行環境治理。 ③ 極端氣候事件探測。十多年來，我國受極端氣候的影響較為嚴重，造成了重大的人員傷亡和經濟損失，通過時空異常探測手段對極端氣候事件進行準確識別，可有助于深入分析極端氣候事件的內在發展規律，為未來極端氣候事件的準確預測奠定重要的先驗知識。 ④ 流行病爆發熱點探測。流行病的爆發通常呈現出時空聚集特性，根據大量的歷史數據對流行病爆發熱點進行探測識別，將有利于進一步掌握流行病爆發的時空演變規律，實現流行病爆發的準確預測。 因此，地理空間異常模式的高效探測已成為時空數據挖掘的重要研究內容之一，并引起了相關領域學者的廣泛關注。 為了能夠進一步準確預測時空異常事件(如極端氣候事件)的發生和發展，需要研究時空異常事件間的關聯機制，其主要目的在于深入挖掘時空異常事件的內因和外因，以及它們之間存在的單向或者雙向甚至多向的影響鏈，亦有助于深入分析時空異常的可靠性。總而言之，時空異常模式屬于地理空間數據中的一類特殊知識，可能蘊含著某些未知的、具有特殊意義的時空現象或時空變化規律，在氣象、環保、交通等領域將具有重要的實際應用價值。 1.3 地理空間異常研究概況 自“異常”的概念被提出以來，計算機領域的學者針對事務型數據發展了大量異常探測法。隨著空間數據挖掘的概念相繼被提出(Li & Cheng， 1994)，許多學者針對空間數據的特點提出了一系列空間異常探測方法。進入21世紀以來，學者們開始重點關注空間實體或現象的動態性及其演化規律或發展趨勢，研究的注意力也從空間異常探測拓展到時空異常探測，甚至實時異常探測，并提出了諸多代表性方法。 通過對現有地理空間異常探測的相關研究進行歸納總結，本書以異常探測所涉及的數據類型為依據進行分類，大致分為以下類型：①基于位置信息的空間異常探測；②基于位置和屬性信息的空間異常探測；③基于時間和位置信息的時空軌跡異常探測；④基于時間、位置和屬性信息的時空序列異常探測。學者們針對不同類型的地理空間異常探測，從探測手段的角度進行更為細致的劃分，并給出相應的探測方法，整個分類體系如表1.1所示。下面分別對各種類型地理空間異常探測研究進行詳細闡述。 1. 基于位置信息的空間異常探測 自Hawkins提出“異常”的概念以來，來自計算機領域的學者們針對事務型數據發展了一系列異常探測方法，*初從全局角度提出了基于統計(Barnett & Lewis， 1994)、基于歐氏距離度量(Knorr & Ng， 1998)等的方法，后來又相繼發展了基于局部密度度量(Breunig et al.， 2000)、基于空間聚類(Jiang et al.， 2001)及基于角度度量(Krirgel et al.， 2008)等的方法。這些異常探測方法將數據的多維屬性統一為一個高維向量進行差異性度量，因而可以直接用于僅包含位置信息的空間數據(如空間點事件)異常探測分析。 2. 基于位置和屬性信息的空間異常探測 Shekhar等學者*早將空間異常定義為與其空間鄰域內實體間專題屬性值差異明顯偏大，而在整體上與其他實體相比可能并無明顯差異的空間實體(Shekhar et al.， 2001; Shekhar &a
書友推薦
- >
月亮虎
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
詩經-先民的歌唱
- >
伯納黛特,你要去哪(2021新版)
- >
朝聞道
- >
羅曼·羅蘭讀書隨筆-精裝
- >
山海經
- >
我從未如此眷戀人間
本類暢銷
