相關商品
商品簡介
名人/編輯推薦
目次
書摘/試閱
商品簡介
《空間聚類分析及應用》可供地理、地質、測繪、計算機、環境等相關領域的科研人員與研究生閱讀參考。空間聚類分析是空間數據挖掘與知識發現的主要手段之一，已廣泛應用于地理學、地質學、氣象學、地圖學、天文學及公共衛生等諸多領域。《空間聚類分析及應用》系統闡述了空間聚類分析的理論框架，并對當前國內外空間聚類分析領域研究的主要內容與進展進行了介紹。書中首先闡述了空間聚類分析研究的重要意義，明確了空間聚類分析研究中的基本問題，建立了空間聚類分析的理論框架，并據此對空間聚類分析的各個主要研究內容分別進行闡述，主要包括空間數據清理與聚類趨勢分析、空間相似性度量、空間點實體聚類算法、空間面實體與動態軌跡聚類算法及空間聚類有效性評價方法等內容，同時介紹了空間聚類分析方法在地震模式分析、氣象、環境、社會經濟等領域的具體應用實例。
名人/編輯推薦
《空間聚類分析及應用》是地球觀測與導航技術叢書之一。
目次
《地球觀測與導航技術叢書》出版說明
前言
第1章 緒論
1.1 空間聚類分析的產生
1.2 空間聚類分析的研究概況與基本問題
1.2.1 空間聚類分析的研究概況
1.2.2 空間聚類分析的定義
1.2.3 空間聚類分析的基本框架
1.2.4 空間聚類算法分類
1.3 本書研究的主要內容
1.4 本章小結
參考文獻
第2章 空間數據清理與聚類趨勢分析
2.1 引言
2.2 空間數據的基本特征與性質
2.2.1 空間數據的基本特征
2.2.2 空間數據的基本性質
2.3 空間數據清理
2.4 空間聚類趨勢分析
2.4.1 二維空間點集聚類趨勢分析
2.4.2 顧及專題屬性的聚類趨勢分析
2.5 本章小結
參考文獻
第3章 空間相似性度量
3.1 引言
3.2 空間距離度量
3.2.1 空間點實體間距離度量
3.2.2 擴展空間實體的距離表達
3.3 空間實體間專題屬性相似性度量
3.3.1 距離測度
3.3.2 相似性測度
3.3.3 匹配測度
3.4 本章小結
參考文獻
第4章 現有空間聚類算法分析
4.1 引言
4.2 空間聚類分析的基本要求
4.2.1 空間數據的復雜性對聚類算法的要求
4.2.2 用戶對空間聚類算法的要求
4.2.3 空間數據多尺度特性對空間聚類算法的要求
4.3 空間聚類算法分析
4.3.1 基于劃分的算法
4.3.2 基于層次的算法
4.3.3 基于密度的算法
4.3.4 基于圖論的算法
4.3.5 基于模型的算法
4.3.6 基于格網的算法
4.3.7 混合的算法
4.4 空間聚類算法性能分析
4.5 本章小結
參考文獻
第5章 空間點實體聚類算法
5.1 引言
5.2 基于局部分布的空間聚類算法
5.2.1 問題描述與研究策略
5.2.2 算法描述
5.2.3 實驗分析與比較
5.3 適應局部密度變化的空間聚類算法
5.3.1 問題描述與研究策略
5.3.2 算法描述
5.3.3 實驗分析與比較
5.4 基于場論的空間聚類算法
5.4.1 問題描述與研究策略
5.4.2 算法描述
5.4.3 實驗分析與比較
5.5 基于Delaunay三角網的自適應空間聚類算法
5.5.1 問題描述與研究策略
5.5.2 算法描述
5.5.3 實驗分析與比較
5.6 顧及空間障礙的自適應空間聚類算法
5.6.1 問題描述與研究策略
5.6.2 算法描述
第6章 建筑物與動態軌跡空間聚類方法
第7章 空間聚類有效性評價
第8章 總結與展望
附錄空間聚類分析軟件
前言
第1章 緒論
1.1 空間聚類分析的產生
1.2 空間聚類分析的研究概況與基本問題
1.2.1 空間聚類分析的研究概況
1.2.2 空間聚類分析的定義
1.2.3 空間聚類分析的基本框架
1.2.4 空間聚類算法分類
1.3 本書研究的主要內容
1.4 本章小結
參考文獻
第2章 空間數據清理與聚類趨勢分析
2.1 引言
2.2 空間數據的基本特征與性質
2.2.1 空間數據的基本特征
2.2.2 空間數據的基本性質
2.3 空間數據清理
2.4 空間聚類趨勢分析
2.4.1 二維空間點集聚類趨勢分析
2.4.2 顧及專題屬性的聚類趨勢分析
2.5 本章小結
參考文獻
第3章 空間相似性度量
3.1 引言
3.2 空間距離度量
3.2.1 空間點實體間距離度量
3.2.2 擴展空間實體的距離表達
3.3 空間實體間專題屬性相似性度量
3.3.1 距離測度
3.3.2 相似性測度
3.3.3 匹配測度
3.4 本章小結
參考文獻
第4章 現有空間聚類算法分析
4.1 引言
4.2 空間聚類分析的基本要求
4.2.1 空間數據的復雜性對聚類算法的要求
4.2.2 用戶對空間聚類算法的要求
4.2.3 空間數據多尺度特性對空間聚類算法的要求
4.3 空間聚類算法分析
4.3.1 基于劃分的算法
4.3.2 基于層次的算法
4.3.3 基于密度的算法
4.3.4 基于圖論的算法
4.3.5 基于模型的算法
4.3.6 基于格網的算法
4.3.7 混合的算法
4.4 空間聚類算法性能分析
4.5 本章小結
參考文獻
第5章 空間點實體聚類算法
5.1 引言
5.2 基于局部分布的空間聚類算法
5.2.1 問題描述與研究策略
5.2.2 算法描述
5.2.3 實驗分析與比較
5.3 適應局部密度變化的空間聚類算法
5.3.1 問題描述與研究策略
5.3.2 算法描述
5.3.3 實驗分析與比較
5.4 基于場論的空間聚類算法
5.4.1 問題描述與研究策略
5.4.2 算法描述
5.4.3 實驗分析與比較
5.5 基于Delaunay三角網的自適應空間聚類算法
5.5.1 問題描述與研究策略
5.5.2 算法描述
5.5.3 實驗分析與比較
5.6 顧及空間障礙的自適應空間聚類算法
5.6.1 問題描述與研究策略
5.6.2 算法描述
第6章 建筑物與動態軌跡空間聚類方法
第7章 空間聚類有效性評價
第8章 總結與展望
附錄空間聚類分析軟件
書摘/試閱
空間數據本身具有的特性導致了空間聚類分析與傳統的聚類分析研究的巨大區別。理解和認識空間數據的基本特征與性質是進行空間聚類分析操作和設計空間聚類算法的重要基礎。本章首先簡要介紹了空間分析領域對空間數據本身特性的研究認識，進而針對空間聚類分析研究中的兩個先決問題進行分析，即空間數據清理與空間聚類趨勢分析。空間數據清理實際上是任何空間分析或空間統計研究所必需的一個環節，數據中的不完備或錯誤信息通常對分析結果具有較大的影響。空間聚類趨勢分析是目前空間聚類分析領域較少涉及的一方面內容，因為人們通常主觀假設了數據是具有可聚性的，然而實際上卻并非都是如此。因此，研究數據的可聚性對于正確運用空間聚類分析技術是非常關鍵的，這里充分借鑒了傳統空間數據分析的研究成果，系統地總結了可適用于空間聚類趨勢分析的理論與工具，同時也對現有聚類分析趨勢分析的專用方法在空間聚類分析中應用的可行性與使用性進行了分析。下面將首先闡述空間數據的基本特征與性質。
2.2 空間數據的基本特征與性質
空間數據用來表達具有確定的位置和形態特征，并具有地理意義的地理空間物體（郭仁忠，2001），亦可以認為空間數據是現實中存在的地理實體在地理空間中的投影。與傳統的事務型數據相比，空間數據不僅包含表達空間位置的信息，還包含了極為豐富的內在關聯與規律，這也是空間聚類研究的重要特色與難點所在。因此，要進行空間聚類分析研究，首先需要對空間數據的特征和性質進行全面的了解。
2.2 空間數據的基本特征與性質
空間數據用來表達具有確定的位置和形態特征，并具有地理意義的地理空間物體（郭仁忠，2001），亦可以認為空間數據是現實中存在的地理實體在地理空間中的投影。與傳統的事務型數據相比，空間數據不僅包含表達空間位置的信息，還包含了極為豐富的內在關聯與規律，這也是空間聚類研究的重要特色與難點所在。因此，要進行空間聚類分析研究，首先需要對空間數據的特征和性質進行全面的了解。
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。