空间数据挖掘与智能系统集成技术研究

"空间数据挖掘及其与智能系统集成研究" 本文深入探讨了空间数据挖掘这一关键领域的理论与实践，特别是在与智能系统集成方面。空间数据挖掘是通过分析空间数据库，揭示隐藏的知识、空间关系和有意义的模式。随着精确农业等领域的快速发展，积累了大量与地理位置相关的信息，使得这一研究方向变得尤为重要。 论文首先介绍了空间数据挖掘的基础理论，并提出了分布式存储模型的空间数据仓库，以及多种能够挖掘不同类型空间知识的算法。作者还实现了一个基于Internet的农产品市场行情时空演变可视化信息系统。该系统整合了Web数据源、自动抓取工具、非空间数据库服务器和具有空间数据挖掘功能的客户机，采用了分布式存储、瘦客户机、模糊匹配和批处理等策略，以提高效率和用户体验。 接着，论文将面向属性归纳的数据挖掘方法应用到GIS数据库中，开发了两种空间特征规则挖掘算法：空间数据支配归纳算法和非空间数据支配归纳算法。这些算法在安徽某村农田地理信息系统中得到了验证，能有效地对农田使用情况进行归纳和可视化，提高了分析的易理解和效率。 此外，论文还提出了一种多层空间关联规则挖掘算法，采用元规则指导下的逐步求精方法，减少了规则冗余，加速了挖掘高概念层空间关联规则的过程。以农产品市场价格与交通、地理因素之间的关联为例，展示了算法的实际应用价值。 最后，为了从训练过的神经网络中快速提取规则，论文提出了一种基于信息熵的神经网络规则提取算法——RENNE。该算法包括网络训练、决策树构建、相关单元识别和规则产生四个步骤。在异或问题和棉花病害规则提取的案例中，证明了算法的有效性和效率。 本文全面阐述了空间数据挖掘的理论与方法，并通过实际系统的开发和算法的应用，展现了其在智能系统集成中的潜力，对于理解和利用空间数据，以及推动相关领域的研究和应用具有重要价值。