跳到主要內容

臺灣博碩士論文加值系統

(100.26.196.222) 您好!臺灣時間:2024/02/26 16:04
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:張敬悅
研究生(外文):Ching-Yueh Chang
論文名稱:空間資料挖掘方法應用於土地利用變遷之研究
論文名稱(外文):Land use/land cover change by using spatial data mining methods
指導教授:陳繼藩陳繼藩引用關係
指導教授(外文):Chi-Farn Chen
學位類別:碩士
校院名稱:國立中央大學
系所名稱:土木工程研究所
學門:工程學門
學類:土木工程學類
論文種類:學術論文
論文出版年:2005
畢業學年度:93
語文別:中文
論文頁數:104
中文關鍵詞:土地變遷空間資料挖掘知識發現
外文關鍵詞:Land use/land cover changeSpatial data miningKnowledge discovery
相關次數:
  • 被引用被引用:7
  • 點閱點閱:477
  • 評分評分:
  • 下載下載:75
  • 收藏至我的研究室書目清單書目收藏:2
摘要
為了有效率地管理土地資源,遙測影像已成為不可或缺的土地利用監測工具。營建署目前正進行台灣地區每三到四個月多光譜衛星影像全國性土地利用之變遷偵測,偵測出的變遷區域,其空間分佈與其他空間資料間,可能隱含一些資訊,有助於增進土地利用變遷偵測之效率。
資料挖掘(Data Mining),又稱作知識發現,其意義在於:發掘隱藏在大量資料中的知識。有關資料挖掘的各種技術與應用近年來蓬勃發展,同時也被廣泛地使用在發現大量空間資料中潛在的知識。本論文利用空間資料挖掘的方法,結合已取得之變遷位置與空間資料圖層(道路圖、建地圖、數值地形模型……等),挖掘變遷發生地點與物件之空間關係中所隱藏的知識。採用的是資料挖掘中的監督式分類法,萃取出土地利用變遷以及空間資料間的相關規則,並根據這些規則建立變遷發生機率的空間分佈模型。此模型有助於評估全台各地發生地表變遷的潛勢,進而可針對變遷機率較高之區域進行優先處理。
As the dynamics of economic development and complication of land use, the limited land resource has suffered from a large amount of mismanagement in Taiwan. To prevent the land from being illegally used, a national land use/land cover change detection system has been worked out by National Central university and the government. In the system, national scale change detection is operated every 3~ 4 months. It is worthy to know that the spatial relations between the changed regions and other spatial objects may hide some valuable information that will help improve the change detection effectively.
Spatial data mining, which is also considered as geographical knowledge discovery, is a branch of data mining that has attracted attention in the recent research. It puts emphasis on extracting interesting, implicit knowledge such as the spatial pattern or other significant mode not explicitly stored in the spatial databases. The main idea of the research is to utilize spatial data mining techniques to find some interesting knowledge hidden in the land change spots. The extracted knowledge will be use to perform spatial prediction that could make the land use monitoring task more efficient.
目錄
摘要 ii
Abstract iii
目錄 iv
圖目錄 vii
表目錄 xiii
第一章 序論 1
1.1 前言 1
1.2 研究目的 3
1.3 研究流程簡述 3
第二章 文獻回顧 6
2.1 資料挖掘 6
2.2 資料挖掘演算法 11
2.2.1關聯規則 (Association Rules) 11
2.2.2 特徵化(Characterization) 13
2.2.3群集化 (Clustering) 16
2.2.4趨勢偵測 (Trend Detection) 18
2.2.5分類 (Classification) 22
第三章 測試資料與研究方法 30
3.1 實驗區域 30
3.2 測試資料 31
3.3 研究方法 49
3.3.1資料預處理 50
3.3.2抽樣 51
3.3.3將資料進行套疊分析 51
3.3.4進行分類演算法建立分類樹 51
3.3.5 預測 56
3.3.6 評估機率分佈模型 56
第四章 結果與驗證 58
4.1結果 58
4.2 空間分析 80
4.3 驗證 97
第五章 結論與建議 99
參考文獻 102
參考文獻
陳繼藩, 2005. 「國土利用監測計畫-土地利用變遷偵測管理系統(第四年)規劃建置計畫」。國立中央大學太空及遙測研究中心。
Breiman L., Friedman, J. H., Olshen, R. A., and Stone, C. J. 1984. “Classification and Regression Trees”. Wadsworth,.
Ester M., H. P. Kriegel, J. Sander, and X. Xu., 1996. “A Density-Based Algorithm for Discovering Clusters in Large Spatial Databses”. In Proceeding of the Second International Conference on Data Mining, pp. 226-231, Portland, Oregon.
Ester M., H.P. Kriegel and J. Sander, 1997, “Spatial Data Mining-A database approach”. Proceeding of the 5th Int. Symposium on Large Spatial Databases (SSD ‘97), Berlin, Germany, Lecture Notes in Computer Science, Springer.
Ester M., H.P. Kriegel and J.Sander, 1998. “Algorithm for Characterization and Trend Detection in Spatial Databases”. Proceeding of the 4th Int. Conference on Knowledge Discovery and Data Mining (KDD ‘98), Institude for Computer Science, University of Munich, Germany.

Ester M.., H.P. Kriegel and J.Sander, 1999, ” Knowledge Discovery in Spatial Database”. Invited Paper at 23rd German Conference on Artificial Intelligence (KI 99’), Bonn, Germany.
Fayyad U., P. S. Gregory and S. Padhraic, 1996. ”The KDD Process for Extracting Useful Knowledge from Volumes of Data”, COMMUNICATIONS OF THE ACM. November 1996, Vol. 39, No. 11, pp. 27-34.
Han, J., Kamber, M., 2000, “Data mining: Concepts and Techniques”. New York: Morgan-Kaufman.
Koperski, K and J. Han, 1995. ” Discovery of Spatial Association Rules in Geographic Information Databases”. In Advances in Spatial Databases, Proceedings of 4th Symposium, SSD95 (Aug.6-9, Portland, Maine). Springer-Verlag, Berlin, pp.47-66.
Koperski K., J. Han and N. Stefanovic, 1998. ”An efficient two-step method for classification of spatial data”. In Proceeding of 1998 International Symposium on Spatial Data Handling, Vancouver, BC, Canada.
Lu W., J Han, and B.C. Ooi, 1993. “Knowledge discovery in large spatial databases”. In Proc. Far East Workshop Geographic Information Systems, pages 275-289, Singapore, June 1993.
Miller H. and J. Han, 2000. “Geographic Data Mining and Knowledge Discovery”. London, UK; Taylor and Fransic.
Quinlan J. R., 1986. “Induction of Decision Trees”. Machine Learning, No. 1, pp. 81-106.
Safavian S.R. and D. Landgrebe, 1991. “A Survey of Deciesion Tree Classifier Technology”. IEEE Trans. On Systems, Man and Cybernetics, Vol.21, No.3, pp.660-674.
SPSS, 2004. Clementine user’s guide .
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top