黄添强[1]2002年在《基于空间数据挖掘的环境调控空间决策支持系统研究》文中提出传统的决策支持系统是基于模型库和知识库的。知识库的建立是依靠领域专家凭经验建立，知识获取困难，故这种决策支持系统对环境调控的决策支持很有限。空间数据挖掘技术为环境数据库的知识发现提供了有效的途径。本文研究空间数据挖掘技术在环境调控中的应用和空间数据挖掘技术与空间决策支持系统的集成，提出了一种基于空间数据挖掘的环境调控空间决策支持系统模型；设计了空间数据挖掘智能引擎；根据福建省海岸带环境数据的特点，对福建省海岸带环境数据库、知识库与模型库作了设计，最后开发了福建省海岸带环境调控决策支持原型系统。论文的主要内容概括起来有：(1)对空间数据挖掘技术、“3S”技术、环境模型在空间决策支持系统中的应用与集成进行了研究，提出了一种基于空间数据挖掘的环境调控空间决策支持系统的模型，包括模型库及其管理系统、知识库及其管理系统、数据库及其管理系统、推理机以及数据挖掘智能引擎等的设计；(2)建立了人工神经网络在福建省海岸带环境预测中应用的模型，提出了复合决策树算法在遥感分类的应用方法；(3)提出一种新颖的、简便快捷的人工神经网络的实现方法，以及决策树的实现方法，并在原型系统中作了实现。(4)在利用已有的优秀算法对海量的、复杂的、综合的环境数据进行挖掘中，对系统如何智能地选择适当的算法进行挖掘进行了研究，并设计了数据挖掘智能引擎。(5)综合以上的研究成果，根据福建省海岸带环境数据的特点，设计并开发了福建省海岸带环境调控空间决策支持原型系统。
黄添强, 卓飞豹[2]2007年在《环境调控空间决策支持系统的模型设计》文中指出当前我国的环境形势严峻,经济社会发展与资源环境不协调的矛盾相当突出。环境调控应有有效的科学工具支持。本文基于空间数据挖掘的方法,对环境调控的决策支持系统的模型进行了设计,论述系统的功能模块设计与架构。
杨清丽[3]2008年在《基于空间数据挖掘的战场地理环境分析系统研究》文中研究表明空间数据挖掘(SDM,Spatial Data Mining)是数据挖掘在处理空间数据方面的分枝。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,以及其他一些隐含在空间数据中的普遍的数据特征。空间数据挖掘在军事领域中可以发挥重要作用。战场地理环境是军事行动的载体,它制约和影响着战争的全过程,直接影响着部队行动、武器装备性能和效能的发挥、以及战略战术的运用,是各级指挥员决策的基本依据。在战场地理环境分析中运用空间数据挖掘技术,将为军事指挥决策和计划提供规则和知识辅助。本文将空间数据挖掘技术引入战场地理环境分析研究领域,将空间数据挖掘技术与地理信息系统、战场地理环境分析理论与技术相互融合,研究建立了集数据管理、模型分析与可视化为一体的战场地理环境分析系统。系统具备地理地形的快速显示、查询统计、空间分析、数据挖掘、专题图制作、多媒体演示等功能。针对现有军事地理信息系统中知识发现能力不足,结合战场地理环境空间分析内容,重点研究了战场地理环境中的空间关联规则挖掘,以发现战场地形、地物在空间上的相连、相邻和共生等关联规则。本文以空间数据挖掘的体系结构、基本过程、基本方法、可发现的知识类型作为理论基础,分析战场地理环境基本构成、特性,对系统框架结构进行总体设计,确定系统实现的技术路线,进一步进行了系统数据库设计,功能模块设计和挖掘功能设计。论文在原型系统中进行空间关联规则挖掘实例研究,以部队机动道路的选择为研究内容,以地形图矢量数据为数据基础,对研究区域地形图数据进行重新组织,根据表达地物间拓扑关系的空间谓词,建立空间关联规则挖掘模型、采用扩展的Apriori (E-Apriori)算法实现了空间关联规则的挖掘过程,综合分析和利用挖掘结果,对路线进行确定,取得了较好的效果。实例研究结果表明空间数据挖掘技术的运用可以为战场环境分析提供辅助依据。通过本文的研究,扩展了现有军事地理信息系统的知识发现功能,为战场环境空间分析智能化提供了新的思路。论文的研究对于军队测绘保障的信息化建设,指挥自动化建设具有一定参考意义。
李伟[4]2014年在《面向空间知识地图服务的用户研究》文中认为21世纪是“大数据”读图时代,计算机和网络通讯科技的迅猛发展使大众用户能够获取海量地理信息;当前又是知识经济时代,如何缓解信息过载、解决地图服务千篇一律与用户空间知识需求多样化之间的矛盾,己成为时代赋予地图学与地理信息系统等学科的新使命。由此,空间知识地图服务(Geospatial Knowledge Map Service,缩写GKMS)应运而生,空间知识地图服务具有知识化和个性化两大优势,使地图由“传统单幅地图,试图全部满足众多用户多样化需求”,提升至“多幅、多层、多模式、参数化模板的动态地图,一一对应的主动满足个体用户多样化空间知识需求”,从而进一步提高地图服务的可用性和用户满意度,具有重大研究意义和实用价值,是学科新的前沿热点。实现空间知识地图服务需要研究空间知识地图服务是什么、理论基础是什么、用户需要获得什么、怎样为用户获取以及如何可视化表达等一系列亟待解决的关键问题。为此,本文立足用户研究,以满足用户空间知识需求为主线,实现空间知识地图服务为目标,开展相关理论研究,分析以用户为中心的多维情境,探讨空间知识获取和空间知识地图可视化表达中用户研究的关键理论与方法。主要研究内容和创新点如下:1.空间知识地图服务及用户研究背景、相关理论与技术研究现状分析。基于当前研究背景探讨学科研究前沿及发展趋势,综述地图学及相关领域用户研究的基础理论、实验方法和关键技术,总结知识服务及空间知识地图服务相关理论、技术及成果,分析研究现状,提出本文研究思路,阐明研究目的及意义,概述了将要展开的研究工作。2.用户研究理论基础。研究用户获取空间知识的相关理论,论述空间知识获取经验塔,分析情境的多维性和双重性,说明智力叁维结构理论,阐述行为理论相关论点,运用活动理论提出用户获取空间知识的活动系统结构模型;总结空间知识概念,归纳空间知识多级分类体系,论述空间知识地图概念并说明关键问题、展开相关辨析;讨论空间知识地图服务要点,分析服务结构、总结服务模式;创新用户空间知识转化CECI模型,进而分析空间知识地图服务研究框架,提出用户研究两大关键策略。3.以用户为中心的多维情境分析与建模。分析用户获取空间知识的多维情境因素,创新性地将多维情境分为用户当前外情境域和角色预期内情境域,针对多维情境各组成部分特别是用户角色情境展开具体分析,并探讨了人机交互和情境获取的问题;将用户需求、多维情境因素及空间知识地图服务系统相关联,提出并解析了用户空间知识需求的五个层次;构建用户空间知识获取服务流程模型和服务系统组织架构,分析了关键模块、说明了关键问题。4.用户调控获取空间知识研究。根据知识转换模式,探讨了融合地学专业知识发现方法和技术、基于主观地理情境调控获取空间知识的机制;进行用户知识库构建研究,设计系统架构,描述事实后进行情境事实的组织和管理,构建角色-行为-对象-特征关联树,研究多种调控类规则提取策略,确定知识表示方法;进而综合多种用户研究方法,开展用户知识库基础实验;针对POI推荐问题,分析推荐情境因素,设计推荐流程,改进TOPSIS算法进行用户综合效用规则的提取与应用实验。5.空间知识地图可视化的用户研究。论述空间知识地图可视化要点,以用户为中心构建情境因素影响环,探讨地图可视化关键环节;分析双重编码理论,基于PASS模型讨论用户视觉感受和空间认知问题,提出空间知识地图设计流程;基于用户视觉感受的无意识性,进行地图模板用户视觉感受眼动实验,分析用户静态情境因素,改进C4.5算法提取地图模板匹配规则并加以验证;进行凸显用户认知需求的空间知识地图符号设计,提出基于语言学的设计策略,通过符素情境语义构建和符号陈述语法构造,将符号表达与知识陈述相关联,根据符号设计机制设计符号,并进行了实验验证。6.空间知识地图服务试验系统设计与实现。说明城市空间知识地图服务的用户需求背景,设计试验系统功能框架,拟定技术方案,分析多维情境数据获取与预处理的问题,构建了试验系统数据库;探讨地图服务功能模型编制方法,阐述用户知识库建立的关键问题,编制调控类规则获取模型,实现了十余种空间知识地图服务功能;论述试验系统地图可视化的技术实现方法,最后对试验系统进行了初步评价。
王占全[5]2005年在《基于地理信息系统空间数据挖掘若干关键技术的研究》文中提出空间数据挖掘是指从空间数据库中抽取隐含知识、空间关系或非显式存储在数据库中有意义的特征或模式。该技术在理解空间数据、获取空间与非空间数据间内在关系方面具有重要意义。由于近年来空间地理信息系统(Geography Information System,GIS)广泛地应用到各个行业中,积累大量与空间位置相关的空间数据,因此空间数据挖掘研究已成为当前研究的重要课题。 本论文系统地讨论空间数据挖掘的基本理论,提出GIS中空间数据挖掘系统体系结构和能挖掘多种空间知识类型的多种空间数据挖掘算法,实现一个GIS中空间数据挖掘原型系统——GIS_Miner,论文研究成果可归纳如下: (1)进一步完善空间数据挖掘的理论和技术框架,对其所涉及的问题与方法进行系统的分析和阐述,为全文的研究提供理论基础和方法指导。提出一种包括数据源、挖掘器、用户界面叁层结构的空间数据挖掘体系结构并分析其各模块及基本步骤,阐述从空间数据库中能发现的知识类型。研究空间数据挖掘的方法并阐述各种方法的特点和适用范围,指出空间数据挖掘中的知识可用多种知识表达方法。 (2)研究属性相关下空间离群点挖掘实施模式,介绍离群数据和离群数据挖掘的定义,描述离群数据中的四种主要发现方法,并且研究离群算法在CAD中的实施情况。在空间统计学的基础上,引用属性相关性矩阵理论和R-tree动态索引结构来搜索空间离群点,从而提出多属性相关的空间离群数据挖掘方法,分别从某型摩托车前灯外覆盖件数据和杭州地学数据两方面进行性能分析。 (3)提出空间分类同位规则的方法,首先介绍经典的关联规则,空间关联规则,基于规则空间同位方法,研究基于向量数据的同位规则算法,根据空间关系定义数据挖掘中事务的概念,采用多层参与索引,搜索空间同位规则,从而实现对空间分类数据有效地处理,算法对杭州地区119火灾数据进行试验,并验证算法的适用范围和性能。试验表明,算法可以有效地处理经过离散化后的连续数据。 (4)研究空间同位时序分析的方法,首先介绍经典的时序分析技术,在此基础上分析当今事件序列模式挖掘的方法和应用范围,从而根据事件分布的实际情况,综合序列、同位、关联规则技术提出时序空间同位的算法,通过设置事件重迭窗口,来分析时序序列,对其进行时间复杂度和试验分析,结果显示这种方法能够有效地提取时空相关的知识。 (5)在GIS的基础上,实现空间数据挖掘的原型系统,它具有灵活开放的结构,能够挖掘空间特征、关联及分类等多种知识类型的规则。最后通过在杭州119系统数据上的应用,验证系统的可行性。
王军[6]2005年在《长江口滨岸湿地环境信息系统研究》文中认为环境信息系统作为现代计算机技术和信息技术的产物,是地理信息系统(GIS)在环境科学研究中的重要应用,以实现环境信息的收集、存储、加工、传递与更新,为环境管理与环境科学研究服务。环境信息系统在近二十年内取得了惊人的发展,已广泛应用于环境调查、环境质量评价、环境规划与环境模拟等研究,成为一个跨学科、集成多种高新技术的交叉、前沿研究领域。长江口滨岸湿地作为上海城市发展的后备土地资源,随着上海经济的高速发展出现了前所未有的开发热潮。湿地污水排放、垃圾填埋、滩涂围垦等高强度无序的人类活动严重影响了湿地环境保护和可持续利用。 本文以国家自然科学基金重点项目“长江口滨岸潮滩复杂环境条件下物质循环研究”、国家自然科学基会项目“长江口潮滩沉积物—水界面氮的季节性迁移与反硝化作用”、上海市科委和环保局项目“长江口潮滩环境质量调控预测模型研究”、上海市基础研究重点项目“长江口潮滩污染物源汇通量及其生态效应”、教育部优秀青年教师资助计划“长江口滨岸潮滩氮的界面交换通量与循环机制研究”等为依托,以大量野外监测和室内试验所得第一手数据为基础,以长江口地区历史统计资料为辅助,在充分借鉴前人研究成果的基础上,构建了基于组件式GIS技术、数据挖掘技术和空间决策支持技术的长江口滨岸湿地环境信息系统(YETWEIS),并对长江口滨岸湿地环境研究中的关键和难点问题进行了深入探讨,这对推动新技术在环境科学研究中的应用具有重要的实践价值和探索意义。本文研究得到以下7方面成果: (1) 阐述了湿地环境信息系统开发的理论与技术基础,初步探讨了组件式GIS技术、数据挖掘技术、空间决策支持技术与湿地环境信息系统的整合方式,分析了湿地环境信息系统开发模式、技术路线、总体规划、功能实现,形成了湿地环境信息系统开发的理论与技术体系。 (2) 分析了长江口滨岸湿地环境数据特点、数据源选取与预处理、数据质量控制、数据误差控制、空间与属性数据库构建、数据库链接等,建立了长江口滨岸湿地环境数据组织与管理模式。
赵书茂[7]2004年在《基于GIS的区域可持续经济发展研究——以河南省为例》文中研究说明本文从系统论的观点，阐述了区域经济可持续发展系统的内涵和特征，提出可持续发展问题是由经济发展模式决定的，可持续发展的核心是发展，以工业化促信息化，以信息化带动工业化是当今我国经济可持续发展的模式。文章综述了GIS、地学信息图谱、数据挖掘和知识发现、时间序列分析等技术的发展、主要方法及其在区域经济可持续发展研究中的应用。运用经济发展阶段划分模型，判断河南经济的发展阶段，运用时间序列分析的方法对河南经济发展的周期性特征进行了分析，预测了其发展趋势。文章把专题信息与GIS技术结合，分析了河南经济发展的空间差异及河南城镇体系的图谱特征，构建了区域可持续经济发展能力评价指标体系，对河南区域可持续经济发展能力进行了综合评价。文章指出GIS技术实现了数据分析的可视化，具有空间的准确性，数据能够及时更新，便于实时监测区域经济发展的动态变化，在区域经济发展的研究和政府决策中能够发挥重要的作用。数字化是一个区域实现信息化的必由之路，数字区域的提出适应了信息时代管理和决策的需要。文章提出了“数字河南”建设总体思路及应用的重点领域，对河南区域经济可持续发展决策支持系统的设计和实现进行了探索。
韩璐[8]2011年在《基于数据挖掘的土地利用决策研究》文中指出随着我国工业化、城镇化进程的不断加快,人口的不断增长,资源环境的过渡开发与利用,使人地矛盾日益加剧。土地是国家最重要的资源,是人类生存与发展的基础与保障。土地利用是土地问题的核心。而土地利用决策是通过寻求和选择最佳的土地利用方式,使土地资源实现优化配置,提高土地利用与管理水平,保证经济效益,社会效益和生态效益的协调发展及土地资源的可持续利用。本研究从土地利用决策者需求出发,在区域尺度、地方尺度和地块尺度叁种尺度下,以土地利用强度和土地利用效益作为土地利用方式衡量标准,采用BP神经网络、RBF神经网络和小波神经网络(WNN)等多种空间数据挖掘方法,构建了多尺度的土地利用时空决策分析模型,并以榆中盆地作为研究区,对其土地利用数据进行时空数据挖掘与决策分析。针对生态型、集约型、过渡型、粗放型、耗损型等5种土地利用方式,采用博弈论方法,对土地利用决策者所做的决策选择进行博弈分析,为不同决策者提供科学可行的决策方案。主要进行了以下几方面的研究：(1)本研究对BP神经网络模型,RBF神经网络模型和WNN模型从理论到应用进行了比较分析。采用榆中盆地2000-2008年土地利用数据,对叁种模型的泛化能力、收敛速度和误差精度等方面进行对比与分析。结果表明,WNN模型得到的网络具有更好的拟合效果,泛化能力更强,收敛速度更快,精度更高。(2)在区域尺度上,对榆中盆地2000-2008年土地利用总体动态趋势分析表明,土地利用综合指数是呈现稳步上升趋势的。这说明在区域总体上,榆中盆地土地利用强度和土地利用效益的综合指数在不断增强。(3)在地方尺度上,综合考虑了叁种模型,借助GIS空间分析技术,对榆中盆地7个乡镇土地利用强度和土地利用效益进行空间数据挖掘和决策分析。得到结论：①在农业生产需求下,金崖镇处于半集约利用状态,城关镇、夏官营镇和小康营乡处于半粗放利用状态,和平镇和连搭乡处于粗放利用状态；②榆中盆地建设发展需求用地的土地利用方式以过渡型偏于粗放利用为主。金崖镇处于半集约利用状态,和平镇处于半粗放利用状态,而城关镇和夏官营镇则处于粗放利用状态；③在生态保护需求下,和平镇和金崖镇处于半粗放利用状态,而城关镇和夏官营镇则处于粗放利用状态。(4)在地块尺度上,以榆中盆地2008年土地利用现状图斑为单元,采用WNN模型,构建了地块尺度的土地利用空间决策分析模型。得到结论：①农业生产需求下,榆中盆地土地利用方式属于过渡偏粗放型。耕地、园地和设施农用地都是过渡偏粗放型；②建设发展需求下,榆中盆地土地利用方式属于过渡偏粗放型。城镇村及工矿用地和交通运输用地是以过渡偏粗放型为主的土地利用方式,而水利设施用地是生态型为主的土地利用方式；③生态保护需求下,榆中盆地土地利用方式属于过渡偏粗放型。草地和林地都是以过渡偏粗放型土地利用方式,而水域则是以过渡偏集约型土地利用方式。(5)从决策者的角度,对5种土地利用方式下的决策主体与决策参与者之间的博弈关系进行了分析。得到的结论：在5种土地利用方式下,政府和农民,政府和用地单位,以及用地单位和农民3种博弈关系分析中,既能提高土地利用效益,又没有来自农民或用地单位的阻碍的策略组合是最优组合,其总收益达到最大。第五种策略组合虽然使博弈双方都增加了博弈成本,但也能达到博弈均衡。
刘然[9]2003年在《定性空间推理与空间数据挖掘技术》文中研究说明日益丰富的地学数据在一定程度上已超过了地球科学家能够处理的能力。从这些海量数据中发现地学知识的需要使得空间数据挖掘(Spatial Data Mining)的产生成为必然。空间数据挖掘是数据挖掘(Data Mining)的一个分支领域，它在遥感(Remote Sense)和地理信息系统(Geographic Information System, GIS)中有着广泛的应用。从GIS中进行空间数据挖掘所发现的知识，可用于对空间数据(Spatial Data)的理解、空间关系(Spatial Relations)知识的发现、空间数据与属性数据(Property Data)之间关系知识的发现、空间知识库(Spatial Repository)的构造、空间数据库(Spatial Database)的重组和空间查询(Spatial Query)的优化等。这样就可使GIS在资源调查、评价、管理和监测，城市的管理、规划和市政工程、行政管理与空间决策，灾害的评估与预测、地籍管理及土地利用、交通、农业、公安等诸多领域发挥重要作用。空间数据挖掘有许多种方法。由于空间知识本质上是定性的，所以空间推理(Spatial Reasoning)(特别是定性空间推理(Qualitative Spatial Reasoning))已成为空间数据挖掘的重要的有效的方法，也是近几年研究的热点。研究、分析和探讨空间数据挖掘和定性空间推理技术，对于提高我国城市规划、建设、管理与服务的数字化水平，促进地理信息系统的发展，都有着极为重要的学术和实用意义。本论文所做的研究工作属于国家“十五”科技攻关项目：城市规划、建设、管理与服务的数字化工程(项目编号：2002BA107B)的一部分。论文所论述的内容主要有以下几方面：首先，介绍了空间数据挖掘的特点、可发现的知识类型、知识的表示方法、挖掘系统的结构和开发策略等等，并结合一个具体实例，给出了一个基于遗传算法(Genetic Algorithms)和Rough集(Rough Set)方法相结合的空间数据挖掘方法。其次，介绍了空间推理和定性推理。第叁，研究了空间数据挖掘的一个重要的方法——定性空间推理。论文分别讨论了拓扑关系(Topological Relations)定性表示与推理，以及方向关系(Directional Relations)定性表示与推理，特别是基于井字空间的方向关系定性表示与推理方法，给出了这种推理方法满足的定理。在此基础上，将拓扑关系和方向关系相结合，提出了空间关系的SR表示模型(SR Representation Model)，给出了井字空间(Space with Neutral Zone)中方向关系与拓扑关系RCC8之间的<WP=4>约束规则(Constraint Rules)。最后，本论文在上述研究工作的基础上，开发出原型系统，实现了方向关系定性推理等功能模块，为空间数据挖掘过程提供了空间查询功能。
樊明辉[10]2006年在《空间数据挖掘及其可视化系统若干关键技术研究》文中研究说明数据挖掘技术已经成为解决“数据爆炸、知识贫乏”问题的有效手段，在地学数据分析领域引入数据挖掘与知识发现的概念、模式和方法，探讨适合地学应用的数据挖掘新方法，对于有效处理海量地学数据、提高地学分析的自动化和智能化水平具有重要意义。 可视化技术能为数据挖掘提供直观的数据输入、结果输出和挖掘过程的交互探索分析手段，提供在人的感知力、洞察力、判断力参与下的数据挖掘手段，从而大大地弥补了GIS重“显示数据对象”轻“刻画信息结构”的弱点，有力地提高空间数据挖掘进程的效率和结果的可信度，在地学领域，可视化与空间数据挖掘的结合已成为必然。 本文系统地讨论了基于数据仓库的空间数据集成技术，改进了空间关联规则、粗糙集和空间聚类算法，研究了契合上述挖掘算法的若干可视化技术，在此基础上，实现了一种开放式的“即插即用型”数据挖掘系统，并集成上述数据挖掘技术、可视化技术，形成一套可视化空间数据挖掘的理论框架、技术方法和原型系统。研究内容和结果可归纳为： (1) 阐述了空间数据集成和空间数据集成模型的相关理论和概念，对多源空间数据的集成模式进行了探讨。讨论了多源空间数据的一体化处理技术和多尺度空间数据的一体化处理技术，提出了基于数据仓库的数据集成总体框架，设计了一个基于Web的空间OLAP工具，并给出了具体的实现流程。 (2) 改进了Apriori算法，提出了一种基于映射的高效大项集关联规则发现算法MBAR。探讨了空间概念树和层次关联规则结合的途径，提出了基于概念树的多层次空间规则算法，给出了算法处理流程和应用实例。 (3) 探讨了应用于多准则决策分析的基于优势关系的粗糙集扩展模型，对该模型中已有的求核和知识约简算法进行了研究，提出了一个新的优势区分矩阵的定义，在该定义的基础上给出了相应的求核和求约简算法，给出了在属性约简之后提取优势规则的方法。 (4) 研究了基于空间邻接关系的空间聚类挖掘算法VSG-CLUST。该算法是一种基于图分割的可视化空间聚类算法，利用Delaunay叁角网工具和MST(最小生成树)将地理实体的邻接信息(空间相邻关系)加入并参与到空间聚类中。研究了利用多尺度的空间概念层次关系进行空间聚类挖掘的算法，将尺度因素作为一种约束条件施加于VSG-CLUST算法中MST的分割和修剪策略，即一种基于尺度约束的空间层次聚类挖掘算法。 (5) 讨论了基于OLAP的空间多维可视化方法，并给出OLAP多维可视化
参考文献：
[1]. 基于空间数据挖掘的环境调控空间决策支持系统研究[D]. 黄添强. 福州大学. 2002
[2]. 环境调控空间决策支持系统的模型设计[J]. 黄添强, 卓飞豹. 中国科技信息. 2007
[3]. 基于空间数据挖掘的战场地理环境分析系统研究[D]. 杨清丽. 重庆大学. 2008
[4]. 面向空间知识地图服务的用户研究[D]. 李伟. 解放军信息工程大学. 2014
[5]. 基于地理信息系统空间数据挖掘若干关键技术的研究[D]. 王占全. 浙江大学. 2005
[6]. 长江口滨岸湿地环境信息系统研究[D]. 王军. 华东师范大学. 2005
[7]. 基于GIS的区域可持续经济发展研究——以河南省为例[D]. 赵书茂. 解放军信息工程大学. 2004
[8]. 基于数据挖掘的土地利用决策研究[D]. 韩璐. 中国地质大学（北京）. 2011
[9]. 定性空间推理与空间数据挖掘技术[D]. 刘然. 重庆大学. 2003
[10]. 空间数据挖掘及其可视化系统若干关键技术研究[D]. 樊明辉. 中国科学院研究生院（遥感应用研究所）. 2006
标签：自然地理学和测绘学论文; 计算机软件及计算机应用论文; 数据挖掘论文; 空间数据论文; 大数据论文; 空间分析论文; 数据挖掘算法论文; gis论文; 数据可视化论文; 用户研究论文; 用户需求分析论文; 用户分析论文; 关系挖掘论文; gis技术论文; gis系统论文;