第2章空间数据发掘和知识发现的理论与技术框架
21GIS与遥感中的数据、信息和知识
22空间数据发掘和知识发现的定义与特点
23空间数据仓库与空间数据发掘
24发现状态空间理论及其扩展
25从空间数据库中可发现的知识类型
26空间数据发掘和知识发现中的知识表达方法
27空间数据发掘和知识发现在GIS与遥感中的应用
28空间数据发掘和知识发现的方法
29空间知识发现系统的体系结构和开发策略
210本章小结

第3章云理论及其扩展
31引言
32云模型及其扩展
321云的基本概念
322云的数字特征
323正态云模型
324云发生器
325正态云的形态特征解析
326二维和多维正态云模型
327二维正态云发生器
328Γ云模型、三角云模型及梯形云模型
33虚拟云
331浮动云
332综合云
333分解云
334几何云
34云运算
341代数运算
342逻辑运算
343语气运算
35云变换
351云变换的基本思想
352一种启发式云变换算法
36基于云理论的不确定性推理
361单规则推理
362多规则推理
37本章小结

第4章云理论在空间数据发掘和不确定性处理中的应用
41基于云模型的空间概念表达
42基于云模型的知识表达
43基于云模型的概念生成方法
44云模型与Apriori算法相结合从空间数据库发现关联知识
441发现关联知识问题的描述
442Apriori算法
443基于云模型的属性空间软划分和概念提升
444云模型与Apriori算法相结合
445从空间数据库发现关联规则的试验
446发掘空间关联知识的进一步讨论
45基于云模型的空间数据库不确定性查询
451基于云模型的GIS不确定性查询
452不确定性查询结果的表示
453不确定性查询试验
46本章小结

第5章Rough集理论及其在GIS属性分析和知识发现中的应用
51Rough集的基本概念和性质
511Rough集的基本概念
512Rough集下近似和上近似的基本性质
513Rough集中的成员关系
514不精确性的数字表征
515不精确性的拓扑特征化(Rough集的分类)
516分类的近似
517集合的粗略相等和粗略包含
52知识、知识库与知识表达系统
521知识与知识库
522知识的依赖
523知识表达系统
53属性值系统
54属性的依赖
55属性的简化与属性的核
56属性的重要性
57辨别矩阵
58决策表分析与简化
581决策表的定义及性质
582决策表的简化与最小决策算法的生成
59云理论与Rough集方法相结合用于知识发现和推理
510本章小结

第6章归纳学习及其在空间数据发掘中的应用
61归纳学习的概念
62DMKD中常用的归纳学习方法
621面向属性的归纳方法AOI
622决策树归纳学习方法ID3系列
63最大方差法连续数据离散化
631连续数据离散化相关研究
632最大方差法连续数据离散化方法MaxVar
633最大方差法与其他常用方法的对比试验
634最大方差法与云理论的结合
64空间数据库概念层次结构及其生成方法
65一种探测性的归纳学习方法
651探测性数据分析EDA
652探测性归纳学习方法EIL
653探测性归纳学习方法应用实例
66基于归纳学习的遥感图像分类方法
661遥感图像分类中对GIS信息的利用
662相关研究介绍
663基于归纳学习的遥感图像分类方法
664遥感图像土地利用分类试验
67归纳学习用于银行经营收益分析及选址评价
68本章小结

第7章空间数据聚类
71已有聚类算法的分析
72基于数学形态学的空间数据聚类算法MMC
73MMC算法在矢量型空间数据库中的实现
74用MMC算法发现离群值和空洞
75空间数据聚类试验及分析
76本章小结

第8章总结与展望

参考文献