数据挖掘技术已被广泛应用于资源环境和社会经济调查与数据分析之中。相对于传统的土地资源评价方法，数据挖掘技术的应用具有速度快、准确度高、费用低等特点。本书介绍了数据挖掘的概念和一般程序，结合具体的土地资源评价案例，系统地研究了数据挖掘技术在数据预处理、评价指标权值确定、样本容量计算、土地质量等级评定等环节中的应用。
样章试读
目录
- 目录
前言
第1章 绪论 1
1.1 引言 1
1.1.1 问题的提出 1
1.1.2 研究意义 2
1.1.3 研究内容及技术路线 4
1.2 土地资源评价数据挖掘概述 6
1.2.1 基本概念 6
1.2.2 数据挖掘的产生 7
1.2.3 数据挖掘过程 7
1.2.4 数据挖掘分析模型 7
1.2.5 数据挖掘方法 9
1.2.6 数据挖掘与统计学的关系 12
1.3 土地资源评价数据挖掘研究综述 13
1.3.1 评价指标体系的研究 13
1.3.2 传统方法的土地资源评价研究 16
1.3.3 数据挖掘在土地资源评价中的应用研究 23
第2章 土地资源评价数据库的建设 27
2.1 研究区概况 27
2.2 土地资源评价数据准备 31
2.2.1 评价单元的提取 31
2.2.2 评价指标体系的构建 31
2.2.3 数据预处理 34
2.3 数据库建设 41
2.3.1 几种主要的数据库模型 41
2.3.2 基于Geodatabase的数据库建设 52
第3章 土地资源评价指标权值的制定 61
3.1 基于因子分析的指标权值制定 61
3.1.1 因子分析法的基本步骤 61
3.1.2 应用因子分析法的指标权值计算 63
3.2 基于层次分析的指标权值制定 64
3.2.1 层次分析法的主要步骤 64
3.2.2 应用层次分析法的指标权值计算 66
3.3 基于模糊层次分析的指标权值制定 68
3.3.1 模糊层次分析法的几个步骤 68
3.3.2 应用模糊层次分析法的指标权值计算 71
3.4 基于灰色关联综合分析的指标权值制定 73
3.4.1 灰色关联度分析模型的构造 73
3.4.2 灰色关联综合分析的指标权值计算 75
3.5 基于BP神经网络模型的指标权值制定 77
3.6 指标综合权值制定 78
3.7 小结 80
第4章 土地资源评价样本容量的确定 82
4.1 抽样技术的主要形式 82
4.2 样本容量的确定 83
4.2.1 样本容量确定的基本原理 83
4.2.2 样本容量的计算 85
4.3 样本容量的自动化提取 87
第5章 土地资源评价统计模型 89
5.1 基于主成分分析或因子分析的土地资源评价 89
5.1.1 两种分析方法的区别 89
5.1.2 应用两种分析方法的土地资源评价 90
5.2 基于K灢均值聚类分析的土地资源评价 92
5.2.1 K灢均值聚类分析的基本原理与主要步骤 92
5.2.2 应用K灢均值聚类分析的土地质量评价 93
5.3 基于两步聚类分析的土地资源评价 94
5.3.1 两步聚类分析的基本原理与主要步骤 94
5.3.2 应用两步聚类分析的土地资源评价 95
5.4 基于判别分析的土地资源评价 99
5.4.1 判别分析的基本原理与主要步骤 100
5.4.2 应用判别分析的土地资源评价 101
5.5 基于Logistic回归模型的土地资源评价 105
5.5.1 Logistic回归模型的基本原理与主要步骤 105
5.5.2 应用无序多分类Logistic回归模型的土地资源评价 108
5.6 小结 113
第6章 土地资源评价模糊数学模型 114
6.1 基于模糊综合评判方法的土地资源评价 114
6.1.1 模糊综合评判的基本理论与主要步骤 114
6.1.2 评价指标隶属函数的确定 115
6.1.3 应用模糊综合评判的土地资源评价 117
6.2 基于模糊聚类分析的土地资源评价 117
6.2.1 模糊聚类分析的主要步骤 118
6.2.2 模糊相似矩阵的计算 118
6.2.3 应用模糊聚类分析的土地资源评价 118
6.3 小结 122
第7章 土地资源评价关联规则挖掘与决策树 123
7.1 基于关联规则分析的土地资源评价 123
7.1.1 关联规则分析的基本原理与主要步骤 123
7.1.2 应用关联规则分析的土地资源评价 124
7.2 基于决策树的土地资源评价 130
7.2.1 决策树的基本算法与主要步骤 130
7.2.2 应用决策树法的土地资源评价 133
7.3 小结 136
第8章 土地资源评价神经网络模型与支持向量机 137
8.1 基于BP神经网络的土地资源评价 137
8.1.1 BP神经网络的基本原理与主要步骤 137
8.1.2 土地资源评价BP神经网络模型的设计 140
8.1.3 应用BP神经网络模型的土地资源评价 143
8.2 基于径向基函数神经网络模型的土地资源评价 144
8.2.1 径向基概率神经网络的结构与创建 145
8.2.2 应用径向基概率神经网络模型的土地资源评价 146
8.3 基于支持向量机的土地资源评价 149
8.3.1 支持向量机的理论背景 149
8.3.2 应用支持向量机的土地资源评价 154
8.4 小结 158
第9章 土地资源评价数据挖掘结果分析 160
9.1 评价方法的比较分析 160
9.1.1 统计学理论及应用分析 160
9.1.2 灰色系统理论及应用分析 163
9.1.3 系统工程学原理及应用分析 164
9.1.4 模糊数学理论及应用分析 164
9.1.5 机器学习理论及应用分析 165
9.2 评价结果对比分析 166
9.2.1 土地资源评价指标权值的比较 167
9.2.2 有监督学习分类方法在土地资源评价中的比较 168
9.2.3 无监督学习分类方法在土地资源评价中的比较 170
9.3 小结 173
第10章 研究成果应用前景展望 174
10.1 研究的主要特点与新颖之处 174
10.2 土地资源评价中存在的问题 174
10.3 研究成果的应用前景分析 176
参考文献 178
附录A 主要数据挖掘软件简介 187
附录B 土地资源评价成果图 190
京公网安备 11010102004214号