《{企业发展战略}随著电脑科技技术快速的发展与大量空间讲义的累积》由会员分享，可在线阅读，更多相关《{企业发展战略}随著电脑科技技术快速的发展与大量空间讲义的累积（14页珍藏版）》请在金锄头文库上搜索。
1、隨著電腦科技技術快速的發展與大量空間資料的累積，以往的資料庫管理與資料分析方式已無法滿足GIS界應用資料庫實務的需求，尤其是針對決策者而言，隨著資料倉儲與資料挖掘之概念與技術發展，除了一般屬性資料庫的應用外，更已延伸至空間資料庫方面，對於資料之管理與認知來相當大的衝擊。雖然此觀念在空間資料的應用尚在萌芽階段，但對於一般屬性資料庫而言，已有具體之成效。本章從一般的資料倉儲與資料挖掘概念談起，漸導入空間資料庫，並以具體的應用範例來說明其實現的方式。,資料倉儲與資料挖掘之觀念與 應用導入GIS,3,1,1. 詮釋資料缺乏與重複建置 2. 坐標系統不一致 3. 資料版本處理問題 4. 資料融合問題 5
2、. 資料格式不同 6. 資料語義不同,空間資料倉儲建置方面，會遭遇下列問題：,2,圖3.1 異動前資料,圖3.2 異動後資料,圖3.3 不同資料精度融合狀況,3,圖3.4 空間資料倉儲之架構,4,圖3.5 星狀模式架構圖,5,圖3.6 多維矩陣式資料庫示意圖,6,一、分類(Classification) 二、推估(Estimation) 三、預測(Prediction) 四、關聯分組(Affinity Grouping) 五、群集化(Clustering) 六、描述 (Description),資料挖掘，其挖掘之目的可分為 ：,7,資料挖掘，其挖掘之方法 ：,一、購物籃分析(Market Ba
3、sket Analysis) 二、記憶基礎理解(Memory-based reasoning ; MBR) 三、群集偵測(Cluster Analysis) 四、連結分析(Linkage Analysis) 五、決策樹(Decision Tree ) 六、類神經網路(Neural Network) 七、基因演算法(Genetic Algorithms) 八、線上分析(Online Analysis Processing ; OLAP),8,空間資料挖掘技術可挖掘的知識類型包括：,一、普遍的幾何知識(General Geometric Knowledge) 二、空間分布規律（Spatial Di
4、stribution Regulation） 三、空間關聯規則（Spataial Association Rules） 四、空間分類/群組規則（Spataial Classification / Clustering Rules） 四、空間特徵規則（Spataial Characteristic Rules） 六、空間區分規則（Spataial Discriminate Rules） 七、空間演變規則（Spataial Evolution Rules） 八、物件導向的知識（Object Oriented Knowledge）,9,空間資料挖掘之方法,一、空間鄰近關係(Spatial neigh
5、borhood relations, Spatial neighborhood graphs) 二、空間群組(Spatial Clustering) 三、空間特徵描述(Spatial Characterization) 四、空間趨勢偵測(Spatial Trend Detection) 五、空間分類(Spatial Classification) 六、簡括化和歸納的方法(Generalization and Induction) 七、粗糙集(Rough Set) 八、視覺化展示(Visualization) 九、雲理論(Cloud Theory),10,十、 圖像分析和型態辨識(Image A
6、nalysis and Pattern Recognition) 十一、類神經網路(Neural Network) 十二、證據理論(Evidence Theory) 十三、模糊集(Fuzzy Sets) 十四、基因演算法（Genetic Algorithms）,11,圖3.7 三維建物圖,12,空間資料挖掘之應用範例,一、環境規劃和二級土壤鹽簡化監測的關聯規則 (Eklund、Kirkby、Salim,1998) 二、溼地分類(Huang and Jensen,1997) 三、銀行經營收益與區位選址(邸凱昌,2001) 四、不同地區農業產量差異分析 (沙宗、馥苓、陳江平,2002) 五、空間資料倉儲與空間資料挖掘技術落實於 九二一大地震建物震害分析,13,圖3.8 921震災受損建物空間資料倉儲架構,14,
