土地资源评价数据挖掘方法与应用

　　《土地资源评价数据挖掘方法与应用》从土地资源评价数据库建立、评价指标体系确定及指标权值制定、样本容量的计算、土地质量等级评定入手，系统地研究了数据挖掘技术在土地资源评价各主要环节中的应用。全书详细地对土地资源评价方法进行了综述和展望，简明阐述了数据挖掘的概念和一般程序；介绍了因子分析、层次分析、模糊层次分析、灰色关联综合分析和BP神经网络方法，及其在指标权值制定中的应用；引进了抽样技术解决了样本容量的确定；应用K-均值聚类分析，二步聚类分析、模糊综合评判和模糊聚类分析等方法，实现了土地质量的无监督学习分类；采用Fisher判别分析、Logistic多元回归分析、决策树分析、BP神经网络模型、径向基概率神经网络模型和支持向量机等方法，对土地质量进行了有监督学习分类。

　　胡月明，男，1964年生，湖南安化人，教授，理学博士，博士生导师。主要从事地理信息系统应用领域的教学与研究工作，现任华南农业大学信息学院学术委员会主任、地理信息工程研究所所长、建设用地再开发国土资源部重点实验室主任、土地利用与整治广东省重点实验室主任、广东测绘地理信息产业技术创新联盟理事长。已主持科研项目100多项，发表学术论文150多篇，出版专著和统编教材16部，获省部级科技成果奖励10项、教学成果奖励1项。张俊平，男，1976年生，江西南昌人，助理研究员，工学博士。主要从事土地资源评价、土地资源管理与数学建模研究，曾参与国家自然科学基金、国家“十一五”科技支撑计划项目、国土资源部项目共5项，广东省自然科学基金2项，公开发表学术论文43篇。2011年起就职于深圳市房地产评估发展中心，具体从事深圳市土地整备、城市征收地拆迁评估的相关理论、政策与实践方面的研究工作。薛月菊，女，1969年生，新疆乌苏人，教授，工学博士，博士生导师。主要从事数据挖掘研究及其在农业中的应用、线传感器网络和RFID射频识别的应用和研究。主持国家级和省部级项目10余项，在国际国内重要学术期刊上发表论文30余篇，其中第一作者论文被SCI检索6篇、被EI检索14篇。荣获军队科技进步一等奖1项，广东省科学技术一等奖1项、二等奖1项，国防科技进步三等奖1项。

前言
第1章 绪论
1.1 引言
1.1.1 问题的提出
1.1.2 研究意义
1.1.3 研究内容及技术路线
1.2 土地资源评价数据挖掘概述
1.2.1 基本概念
1.2.2 数据挖掘的产生
1.2.3 数据挖掘过程
1.2.4 数据挖掘分析模型
1.2.5 数据挖掘方法
1.2.6 数据挖掘与统计学的关系
1.3 土地资源评价数据挖掘研究综述
1.3.1 评价指标体系的研究
1.3.2 传统方法的土地资源评价研究
1.3.3 数据挖掘在土地资源评价中的应用研究
第2章 土地资源评价数据库的建设
2.1 研究区概况
2.2 土地资源评价数据准备
2.2.1 评价单元的提取
2.2.2 评价指标体系的构建
2.2.3 数据预处理
2.3 数据库建设
2.3.1 几种主要的数据库模型
2.3.2 基于Geodatabase的数据库建设
第3章 土地资源评价指标权值的制定
3.1 基于因子分析的指标权值制定
3.1.1 因子分析法的基本步骤
3.1.2 应用因子分析法的指标权值计算
3.2 基于层次分析的指标权值制定
3.2.1 层次分析法的主要步骤
3.2.2 应用层次分析法的指标权值计算
3.3 基于模糊层次分析的指标权值制定
3.3.1 模糊层次分析法的几个步骤
3.3.2 应用模糊层次分析法的指标权值计算
3.4 基于灰色关联综合分析的指标权值制定
3.4.1 灰色关联度分析模型的构造
3.4.2 灰色关联综合分析的指标权值计算
3.5 基于BP神经网络模型的指标权值制定
3.6 指标综合权值制定
3.7 小结
第4章 土地资源评价样本容量的确定
4.1 抽样技术的主要形式
4.2 样本容量的确定
4.2.1 样本容量确定的基本原理
4.2.2 样本容量的计算
4.3 样本容量的自动化提取
第5章 土地资源评价统计模型
5.1 基于主成分分析或因子分析的土地资源评价
5.1.1 两种分析方法的区别
5.1.2 应用两种分析方法的土地资源评价
5.2 基于K-均值聚类分析的土地资源评价
5.2.1 K-均值聚类分析的基本原理与主要步骤
5.2.2 应用K-均值聚类分析的土地质量评价
5.3 基于两步聚类分析的土地资源评价
5.3.1 两步聚类分析的基本原理与主要步骤
5.3.2 应用两步聚类分析的土地资源评价
5.4 基于判别分析的土地资源评价
5.4.1 判别分析的基本原理与主要步骤
5.4.2 应用判别分析的土地资源评价
5.5 基于Logistic回归模型的土地资源评价
5.5.1 Logistic回归模型的基本原理与主要步骤
5.5.2 应用无序多分类Logistic回归模型的土地资源评价
5.6 小结
第6章 土地资源评价模糊数学模型
6.1 基于模糊综合评判方法的土地资源评价
6.1.1 模糊综合评判的基本理论与主要步骤
6.1.2 评价指标隶属函数的确定
6.1.3 应用模糊综合评判的土地资源评价
6.2 基于模糊聚类分析的土地资源评价
6.2.1 模糊聚类分析的主要步骤
6.2.2 模糊相似矩阵的计算
6.2.3 应用模糊聚类分析的土地资源评价
6.3 小结
第7章 土地资源评价关联规则挖掘与决策树
7.1 基于关联规则分析的土地资源评价
7.1.1 关联规则分析的基本原理与主要步骤
7.1.2 应用关联规则分析的土地资源评价
7.2 基于决策树的土地资源评价
7.2.1 决策树的基本算法与主要步骤
7.2.2 应用决策树法的土地资源评价
7.3 小结
第8章 土地资源评价神经网络模型与支持向量机
8.1 基于BP神经网络的土地资源评价
8.1.1 BP神经网络的基本原理与主要步骤
8.1.2 土地资源评价BP神经网络模型的设计
8.1.3 应用BP神经网络模型的土地资源评价
8.2 基于径向基函数神经网络模型的土地资源评价
8.2.1 径向基概率神经网络的结构与创建
8.2.2 应用径向基概率神经网络模型的土地资源评价
8.3 基于支持向量机的土地资源评价
8.3.1 支持向量机的理论背景
8.3.2 应用支持向量机的土地资源评价
8.4 小结
第9章 土地资源评价数据挖掘结果分析
9.1 评价方法的比较分析
9.1.1 统计学理论及应用分析
9.1.2 灰色系统理论及应用分析
9.1.3 系统工程学原理及应用分析
9.1.4 模糊数学理论及应用分析
9.1.5 机器学习理论及应用分析
9.2 评价结果对比分析
9.2.1 土地资源评价指标权值的比较
9.2.2 有监督学习分类方法在土地资源评价中的比较
9.2.3 无监督学习分类方法在土地资源评价中的比较
9.3 小结
第10章 研究成果应用前景展望
10.1 研究的主要特点与新颖之处
10.2 土地资源评价中存在的问题
10.3 研究成果的应用前景分析
参考文献
附录A 主要数据挖掘软件简介
附录B 土地资源评价成果图