Page 110 - 测绘与空间地理信息研究

Surveying and Mapping and Spatial Geographic Information Research
测绘与空间地理信息研究

（七）神经网络方法
神经网络方法即通过大量神经元构成的网络来实现自适应非线性动态系统，
并使其具有分布存储、联想记忆、大规模并行处理、自学习、自组织、自适应等

功能的方法；在空间数据挖掘中可用来进行分类和聚类知识以及特征的挖掘。
（八）决策树方法
决策树方法即根据不同的特征，以树型结构表示分类或决策集合，进而产生
规则和发现规律的方法。采用决策树方法进行空间数据挖掘的基本步骤如下：首

先利用训练空间实体集生成测试函数；其次根据不同取值建立决策树的分支，并
在每个分支子集中重复建立下层结点和分支，形成决策树；然后对决策树进行剪
枝处理，把决策树转化为据以对新实体进行分类的规则。
（九）粗集理论

一种由上近似集和下近似集来构成粗集，进而以此为基础来处理不精确、不
确定和不完备信息的智能数据决策分析工具，较适于基于属性不确定性的空间数
据挖掘。
（十）基于模糊集合论的方法

这是一系列利用模糊集合理论描述带有不确定性的研究对象，对实际问题进
行分析和处理的方法。基于模糊集合论的方法在遥感图像的模糊分类、GIS 模糊
查询、空间数据不确定性表达和处理等方面得到了广泛应用。
（十一）空间特征和趋势探测方法

这是一种基于邻域图和邻域路径概念的空间数据挖掘算法，它通过不同类型
属性或对象出现的相对频率的差异来提取空间规则。
（十二）基于云理论的方法
云理论是一种分析不确定信息的新理论，由云模型、不确定性推理和云变换

三部分构成。基于云理论的空间数据挖掘方法把定性分析和定量计算结合起来，
处理空间对象中融随机性和模糊性为一体的不确定性属性；可用于空间关联规则
的挖掘、空间数据库的不确定性查询等。
（十三）基于证据理论的方法

证据理论是一种通过可信度函数（度量已有证据对假设支持的最低程度）和
可能函数（衡量根据已有证据不能否定假设的最高程度）来处理不确定性信息的
理论，可用于具有不确定属性的空间数据挖掘。

·100·