地理空间数据分析与.ppt

综上所述，地理计算这一学科的统一视角就是“计算”，它被认为是一系列有效的程序或算法（如神经网络、模糊逻辑、遗传算法等），当应用到地理问题时必然产生结果，不同算法之间由于基本假设的不同而产生结果的差异。地理计算本质上可认为是对地理学时间与空间问题所进行的基于计算机的定量化分析。 第三十页，共八十一页，2022年，8月28日 地理计算模型与方法 地理计算的目标是将地理学领域的知识引入计算机工具，设计合适的地理数据挖掘和知识发现操作，研发时空尺度上的集群算法，获得超越目前软件、硬件能力的地理数据分析方法，用可视化和虚拟现实的手段实现地理问题的理解与交流。 地理计算学是数量地理学向深层次的拓展，强调数学模型与模拟实验并重的理念，凭借计算机工具对地理学问题进行定量或非定量分析的抽象概括和综合研究，解决海量、复杂数据集或数据库分析的复杂空间问题。 第三十一页，共八十一页，2022年，8月28日 GeoComputation 包含丰富的模型和方法体系，不仅采纳了传统的数量地理学理论与模型，还涉及一系列新的理论技术方法： GIS为之创建数据库； 人工智能技术（Artificial Intelligence，AI）和智能计算技术（Computational Intelligence，CI）为之提供计算原理和计算工具； 高性能计算服务系统为之提供动力。 第三十二页，共八十一页，2022年，8月28日 智能计算技术中的神经网络模型（Neural Network，NN）、模糊逻辑模型（Fuzzy Logic）、遗传算法模型（Genetic Algorithm，GA）、元胞自动机模型（Cellular Automata，CA）以及分形分析（Fractal Analysis）等不断被引入并成为地理计算的核心。 高性能计算（High-Performance Computing）是利用超级计算机对大容量资料、需要进行实时分析与控制的系统以及那些复杂而又不能用其他手段来处理的现实世界所实施的计算。 第三十三页，共八十一页，2022年，8月28日 1.1 地理空间数据处理与建模 1.2 地理空间数据挖掘 1.3 GIS环境下的空间分析 第1章 地理空间数据分析与GIS 第三十四页，共八十一页，2022年，8月28日 1.2 地理空间数据挖掘 人类在空间科学技术、遥感、地理信息系统、全球定位系统等领域取得了巨大成就，对地球系统的不同层面、不同现象的综合观测能力达到了空前的水平，获得了大量对地观测数据。 同时，随着数据库技术的成熟和信息应用的普及，人类累积的数据量正在呈指数级增长，全世界每天存入数据数量超过万兆字符。 第三十五页，共八十一页，2022年，8月28日 未来学家John Naisbitt惊呼：“人类正被数据淹没，却饥渴于信息”。 面临浩如烟海的数据，人们呼唤从数据的汪洋大海中去芜存精、去伪存真，因此，“从数据库中发现知识”（KDD）及其核心技术——数据挖掘（Data Mining）应运而生。 第三十六页，共八十一页，2022年，8月28日 1.2.1 地理空间数据挖掘概述 数据挖掘是一个由数据库、人工智能、数理统计和可视化等多学科与技术交叉、渗透、融合形成的交叉学科（邸凯昌，2000）。 地理空间数据挖掘（Geospatial Data Mining）是数据挖掘的一个研究分支，其实质是从地理空间数据库中挖掘时空系统中潜在的、有价值的信息、规律和知识的过程，包括空间模式与特征、空间与非空间数据之间的概要关系等。由于空间数据具有海量、多维和自相关性等特征，使得地理空间数据挖掘更为复杂。 第三十七页，共八十一页，2022年，8月28日 加拿大Simon Fraser大学计算机科学系Han Jiawei教授领导的小组进行了基于关系数据库挖掘系统的研究，在MapInfo平台上开发了空间数据挖掘原型系统GeoMiner，并设计了专门用于空间数据挖掘的语言GMQL，实现了空间数据特征描述、空间比较、空间关联、空间聚类和空间分类等空间数据分析方法的集成。 第三十八页，共八十一页，2022年，8月28日 GeoMiner系统结构 图形用户接口 各种数据挖掘模块 空间数据库 空间数据库服务器和数据立方体 空间数据库 空间数据库 第三十九页，共八十一页，2022年，8月28日 数据挖掘与知识发现的进化历程 进 化 阶 段 技 术 手 段 数据搜