一、基于空间数据仓库的空间数据挖掘研究（论文文献综述）
朱雪莹[1]（2019）在《基于数据挖掘技术的玉米智能施肥系统的研究》文中提出农业信息化、数字化发展是时下的主流趋势,利用数据挖掘技术、信息技术及智能决策技术,对农作物的种植、施肥、病虫害防治等方面进行管理,对进一步提高农业生产质量方面有积极作用。在农业信息化建设的背景下,解决玉米种植过程中的施肥用量控制、精选肥料等问题,基于以上背景,本研究以数据挖掘技术为依据,对玉米施肥选择、施肥用量控制等方面展开研究。为进一步提高玉米种植生产产量、提高玉米生产效益以及实现农业数字化等目标,利用数据挖掘技术、Web GIS平台、智能空间决策技术以及大数据统计,对玉米智能施肥系统的数据空间、数据库、施肥精准化管理等方面进行分析,以此实现玉米智能施肥系统的实现,具体的研究内容如下:首先,研究国内外关于变量施肥、玉米种植、数据挖掘技术的观点,并对现有玉米施肥种植中存在的信息不共享、施肥量无法量化控制等问题,以此作为本次研究的参考依据。基于K-means聚类算法研究数据空间处理及构建流程,并对智能空间建设下的农业数据分析以及Web GIS数据统计、数据分析等方面进行统计,以此为后续玉米智能施肥系统的构建及落实方面提供理论依据。其次,本次研究的核心是对玉米智能施肥系统的施肥模块、养分分区模块、数据获取模块进行设计,在明确系统流程构建的前提下,提高玉米智能施肥系统的应用实用性。利用数据挖掘技术,针对玉米智能施肥系统的登录模块、空间查询模块、知识导航模块、精准管理模块、系统管理模块、病虫害诊治模块以及数据库进行设计,在分析玉米智能施肥系统功能需求的基础上,确保智能施肥系统的功能可以有效落实到实际应用中。最后,以田地试验的方式,对玉米智能施肥系统的知识学习功能、智能决策功能等方面进行分析,以分析玉米智能施肥系统性能、功能为内容,对玉米智能施肥系统的精准施肥管理、数据仓库集合、数据决策等方面进行研究。实践证明,本次关于玉米智能施肥系统的研究,可以为玉米施肥等方面的信息交互方面提供科学依据,模型精准度达到80%以上,实现了玉米智能施肥的目标。
马辉[2]（2018）在《可拓室内设计数据挖掘研究》文中指出可拓室内设计数据挖掘研究是国家自然科学基金项目《面向可拓建筑策划与设计的可拓数据挖掘理论及其方法研究》（51178132）的重要组成部分,是建筑学、可拓学和数据挖掘领域的交叉研究课题。研究建立在以数据为新能源的数据时代发展初期,探索智能化实现室内设计的新路径。是对现有室内设计理论与方法体系的扩充。研究目的在于利用计算机可以识别并运行的可拓设计语言,将可拓学的学理思想充分嵌入到数据挖掘全链条过程中,优解室内设计问题,发现优选模式下的室内设计知识规律,用于数据化实现可拓室内设计,推动室内设计研究向更理性、更科学、更智能、更高效的方向发展。论文运用跨学科交叉研究、可拓创新研究等方法,将可拓建筑学理论和可拓数据挖掘方法融入到室内设计数据挖掘研究中,构筑了可拓室内设计数据挖掘的基础研究、理论研究、方法研究、应用研究的框架结构。可拓室内设计数据挖掘的基本理论研究,是在可拓建筑设计研究和可拓数据挖掘研究的基础上,深度思考可拓室内设计数据挖掘的基本理论问题,提出支撑后续方法和应用研究的基本理论,为研究展开奠定基础。论文提出了可拓室内设计的概念;提出了描述室内精神感受的感元系统;阐述了计算机可以识别的可拓室内设计基元表达理论;阐述了可拓室内设计思维模式理论和可拓集理论;辨析了可拓室内设计数据挖掘的涵义和修辞关系;明确了研究的方向和任务。可拓室内设计数据仓库的设计研究,是在充分思考可拓学的核心优势和充分考虑设计数据特点的基础上,为设计策略输出建立的可拓数据挖掘操作平台研究,是面向可拓室内设计的,适合可拓数据挖掘结构型质的仓库设计指导。研究建立了处理数据和可拓数据的准入端口;确立了仓库的构成内容;提出了符合可拓数据特点和可拓数据挖掘特点的拓点结构;提出了三项重要的建库逻辑:即指导仓库目标系统设计的面向主题性原则、指导仓库动力系统设计的双轮驱动原则、指导仓库结构系统设计的原型设计原则,为可拓室内设计数据挖掘操作提供平台支持。可拓室内设计数据挖掘的方法研究,是在现有数据挖掘方法研究和可拓数据挖掘方法研究的基础上,按照可拓室内设计问题模式建立的挖掘操作方法研究。本质上是在挖掘到的普遍规律约束下寻找设计最优解或最优区间,以灵活的方式提供满足不同需求下的个性化设计对策。研究建立了以技术路线为依据,以挖掘步骤为展开方式,以实例解析为佐证的挖掘方法体系,详细论述了可拓室内设计数据挖掘的三种基本方法和一种创新方法。其中,有监督的可拓分类挖掘方法、无监督的可拓聚类挖掘方法、描述数据依赖关系的可拓关联挖掘方法,是针对剔除数据雍余后的多数模式的数据分析方法,而代表少数模式的离群数据在设计创新中具有非常重要的意义,研究针对这部分异常模式提出了可拓室内设计离群点挖掘方法,是针对设计数据的创新的挖掘方法。可拓室内设计数据挖掘的知识类型及其应用研究,是在可拓室内设计数据挖掘方法研究的基础上进行的挖掘成果研究,以及基于挖掘成果的应用方式研究。数据挖掘也被称作知识发现,此部分研究是自动处理数据工具的最后一环,是可拓数据挖掘技术与专业内容的衔接与落地。研究呈现了通过可拓数据挖掘方法可以生成的具体的室内设计知识内容,囊括了四种主要的知识类型,并分别阐述了不同类型知识的直接应用和可拓应用模式,完成了面向可拓室内设计的可拓数据挖掘的全过程。总之,研究旨在以数据为基础,以模型为工具,以方法为指导,在可拓室内设计数据仓库的平台上,进行可拓数据挖掘研究,发现以预测、优选、创新为核心的室内设计知识规律,探索一条以数据和需求共同驱动,智能化解决设计问题的数据化设计创新之路。为此,研究建立了可拓室内设计数据挖掘的理论体系、数据仓库设计体系、挖掘操作的方法体系、挖掘结果及其应用体系,形成了完整的可拓室内设计数据挖掘的研究结构。研究工作为数据时代设计发展提供了应对的新策略,为室内设计智能化实现提供了逻辑基础,研究成果拓展了可拓建筑学的学术边界。
韩家琪,毛克彪,夏浪,刘勍,马莹,郭豪[3]（2016）在《基于空间数据仓库的农业大数据研究》文中指出农业大数据能从海量的农业数据中寻找和挖掘有价值的数据以及隐藏的信息,准确把握数据之间的内在联系和规律,是发展现代农业的重要推动力。空间性是农业数据的重要特征之一,将空间数据仓库的理论和技术运用到农业大数据中是发展农业大数据的关键。空间数据仓库是数据仓库技术在空间领域的延伸,它能有效地存储、组织和管理农业空间数据,实现农业异质数据转换、集成与调度,并为农业数据分析提供支撑环境。讨论分析了农业大数据的体系结构,并利用空间数据仓库在空间数据处理上的优势,结合空间数据挖掘的理论知识,从数据采集、数据集成处理、数据分析和数据应用4方面对农业大数据进行了全面的研究和分析,最后针对我国农业大数据的研究现状提出了一些建议和思考。
魏红雨[4]（2014）在《基于4G地学空间数据集成关键技术研究》文中提出随着计算机和网络技术的飞速发展，地学研究也相应出现适应计算机和网络技术创新发展的新特点。20世纪中后期地理信息系统（Geographic Information System，简称GIS）引入地学研究后，地学数据集成与地学科学决策得到长足发展、取得丰硕成果，吉林大学地学G4I系统随之应运而生。本文所指4G地学空间数据，是对地质学（Geology）、地理学（Geography）、地球化学（Geochemistry）、地球物理学（Geophysics）数据（首字母都为G，简称4G）的统称。地学G4I系统研究所涉及4G地学空间数据具有多学科综合的特点，存在多元、语义和多维复杂空间结构等因素引起的异构问题，系统应用必须进行数据分析、处理、融合等集成操作以构建地学数据模型进而满足用户需求。数据集成操作因此成为地学研究的基本前提和必须步骤。特别是受4G地学空间数据在数据结构、空间模型与格式转换上的较大差异影响，数据共享难以有效实现。较好地研究解决数据集成面临的这些难题，可以大幅减少数据重复采集冗余，降低数据采集成本，充分挖掘数据信息，提高数据利用率，实现数据网络共享，增强经济效益。本文针对4G地学空间数据多源异构分布的特点和集成数据质量控制难的实际，在认真分析国际国内数据集成及其关键技术研究现状的基础上，采用地学空间数据仓库和数据质量评价控制等关键技术加以研究解决，并对空间数据质量保障及质量评价技术进行改进。该研究便于进一步数据挖掘和信息融合并利于4G地学空间数据共享操作的实现。现将本论文的工作和成果简述如下：1.数据集成技术研究现状阐明4G地学空间数据集成各主要方面的研究现状和发展趋势，提出4G地学空间数据集成中的关键问题及研究现状，说明解决4G地学空间数据集成的关键技术。2.4G地学空间数据特征研究讨论4G地学空间数据的来源，分析了4G地学空间数据特征，详细分析地学研究对4G地学空间数据集成的需求，讨论了集成结果的数据特征，讨论了4G地学空间数据的预处理，重点研究物探数据与化探数据的特征提取技术。3.应用数据仓库技术构建4G地学空间数据集成模型通过比较数据集成主要方法，指出应用数据仓库技术处理4G地学空间数据集成问题是可行的与必要的。根据4G地学空间数据特点和各种数据集成的方式，以及应用数据仓库技术进行4G地学空间数据进行数据集成的方案。根据数据仓库技术、中间件技术在集成数据时存在的各自优缺点，本文采用数据仓库和中间件相结合的方法。同时介绍应用数据仓库构建4G地学空间数据集成模型的方法流程，重点论述了地学地质数据仓库的设计架构，并通过SQL Server数据仓库工具进行实例验证。4.4G地学空间数据集成中的元数据研究概述元数据的定义、内容、作用、元数据研究现状及标准，重点讨论了数据集成中元数据的设计与元数据管理系统架构。5.4G地学空间集成数据质量控制体系研究讨论了4G地学空间集成数据质量及质量控制的概念，阐述4G地学空间集成数据质量问题的来源，提出4G地学空间集成数据质量评价标准，给出质量评价流程。重点介绍4G地学空间数据集成质量评价方法，根据集成数据自身存在的规律，分析集成数据过程中的常见误差，应用改进的层次分析法对4G地学空间数据质量进行评价，以达到数据质量控制的目的。本文的4G地学空间数据集成关键技术研究为数据集成和信息共享提供尝试性的方法，并为后续的数据挖掘和数据融合处理奠定了基础。文中的地质空间数据集成技术、元数据和数据质量控制技术等关键内容对地学G4I系统升级开发有所助益。同时，对于地学数据研究中的集成问题有一定借鉴作用。
陈丹[5]（2014）在《基于GIS的社会保障决策信息服务研究》文中研究说明地理信息系统（GIS）在电子政务中的应用在我国已有广泛而持续的研究,目前,GIS在电子政务中的应用主要是以空间信息为载体、通过自身功能或与其他技术融合提供各类政务信息服务。其中,凭借空间定位、分析和可视化功能为政府提供决策支持是GIS的一个突出表现,但是,当前GIS的使用大多局限在特定部门,如测绘、国土资源规划、城市建设及气象预测等明显带有空间特征的领域,基于GIS的决策信息服务还未在政府部门得到普及。本文在分析社会保障决策所涉及的政务信息具有明显的空间特性的基础上,提出将GIS技术在电子政务领域的应用细化到具体的政府部门--社会保障部门。本文的主要工作如下：（1）以GIS在电子政务领域的发展为契机,综述了GIS服务于政府决策的发展现状,探讨了社会保障部门的决策技术需求,并提出将GIS技术渗透到社会保障部门的决策服务中,并指出单一的GIS技术服务于政府决策的局限性,引出数据挖掘技术,拟实现GIS与数据挖掘技术在社保决策中的集成应用。基于已有的研究基础,本文采用松散耦合式的GIS与数据挖掘集成模式,以此为基础设计了面向社会保障决策的GIS政务空间数据挖掘模型。（2）重点探讨了社保政务空间数据挖掘准备阶段的属性和空间数据预处理技术,并设计了本文的社保政务空间数据预处理流程。其中,对GIS数据库中的政务属性数据预处理主要涉及离散化和概念分层,对空间数据的预处理则涉及如何将空间对象的空间关系转化成空间谓词,并建立空间谓词连接表实现政务属性数据与空间数据的真正集成,便于利用一般的数据挖掘方法处理空间数据进而发现空间知识。（3）在设计的GIS政务空间数据挖掘模型框架下,给出了两种具体的政务空间数据挖掘思路：政务空间特征规则挖掘和政务空间关联规则挖掘思路,通过搜集社会保障业务相关的地图数据和属性数据建立社保GIS空间数据库,针对具体的决策问题,联合ArcGIS平台和SPSS Clementine平台对两种政务空间数据挖掘思路进行了实现,通过对挖掘结果的分析,验证了将GIS与数据挖掘技术集成应用社会保障决策中的可行性和有效性,最后提出了在现行社会保障部门推进GIS平台建设并融合数据挖掘技术的对策建议。
关丽,冯学兵,孔令彦[6]（2014）在《构建面向城市建设用地的空间数据仓库》文中研究说明本文旨在解决从多源异构、多维的城市建设用地空间数据中深入挖掘有效信息的难题,从城市建设用地空间数据仓库构建的需求出发,对空间数据仓库的相关概念进行了分析探讨,包括数据立方体、维、度量、事实等。同时,以城市建设用地利用为主题,建立了多维数据模型,提出了构建城市建设用地空间数据仓库的具体流程与方法。并以北京市中心城区的建设用地利用为例,从建设高度、建筑基底面积等角度研究了北京市城市建设用地的利用强度特征。
关丽,魏科,颜涯,孔令彦,冯学兵[7]（2012）在《基于多维数据模型的城市建设用地数据挖掘研究——以北京市为例》文中指出针对城市建设用地数据的多源异构、多维、复杂度高等特点,探讨基于空间数据仓库理论挖掘城市建设用地潜在的空间信息,提出了面向城市建设用地利用的多维数据模型,并基于该模型构建了以城市建设用地利用为主题的空间数据仓库,实现空间数据挖掘过程。以北京市中心城区的建设用地扩展为例,研究了城市建设用地的空间格局及其演变特征,为城市建设用地管理提供决策依据,同时也为城市建设用地数据的集成、分析和高层决策支持提供了方法论。
胡晓曦[8]（2012）在《基于空间OLAP技术的土地利用规划辅助决策支持系统研究与应用》文中提出土地利用规划历来是我国土地管理工作的重点,多年来,相关部门已经积累了海量的土地规划时空信息及各种属性数据。随着国家社会经济发展及城市化进程加速,在传统土地规划系统交互式规划操作及成果管理基础上,从海量的土地规划数据中进一步发掘有价值的信息和隐含的规律成为了土地规划领域一项新的任务。而空间数据挖掘技术为人们认识蕴含在海量时空数据中的知识提供了一条有效途径。土地利用规划数据来自于国土、测绘、农业、市政等社会经济生活的各个部门,具有海量、多时空、多形式等特点,十分适合利用空间数据仓库进行组织与管理。基于空间数据仓库,利用空间联机分析处理（SOLAP—Spatial On-Line Analysis Processing）技术,可以针对不同主题进行土地利用规划数据挖掘分析,发掘隐含在海量土地利用规划历史数据背后的规律。本文根据土地利用规划数据的特点,面向土地适应性分析等具体业务,建立以空间数据仓库为数据管理平台,以空间数据挖掘为知识获取方式,以元数据等为管理手段的土地利用规划辅助决策支持体系。在此基础上,运用ArcGIS Engine组件包、ArcSDE空间数据引擎、ODBC开放数据库互连、SQL Server2005大型数据库和VC#.NET编程语言二次开发完成系统实现。论文的主要研究内容和成果有：1.在分析土地利用规划数据特征及规划业务过程需求的基础上,介绍了论文研究土地利用规划辅助决策支持系统相关概念,详细阐述土地利用规划数据仓库构建及实现所需的空间数据仓库、多维数据组织、空间OLAP、数据挖掘等关键技术。并以此为依据设计了土地利用规划决策支持系统的总体框架。2.重点针对土地利用规划数据仓库构建的解决方案进行详细阐述,包括空间数据仓库总体设计、逻辑建模、构建数据立方体以及元数据管理等具体内容,实现海量多源异构数据的多维组织、应用和管理。3.根据构建的土地利用规划决策支持系统体系结构以及具体解决方案,利用ArcGIS Engine、ArcSDE、ODBC、SQL Server2005及VC#.NET实现了土地利用规划决策支持系统的开发,并论述了其部分主要功能。
苏天赟,崔爱菊,梁瑞才,王建村,王勇[9]（2011）在《海洋地球物理空间数据仓库系统的设计与实现》文中提出本文将空间数据仓库技术引入到海洋地球物理空间数据的管理和应用上来,探索一套适合于海洋地球物理调查和科研工作的空间数据仓库构建方法.本文重点从数据提取工具、空间数据仓库和应用服务器等几个方面对海洋地球物理空间数据仓库系统进行设计和开发,实现海洋地球物理空间数据的组织和管理,向用户提供便捷、直观、高效的面向应用主题的空间数据查询、分析、统计和可视化等服务.
马甜甜[10]（2011）在《商务智能技术在智能生存空间中的应用研究》文中认为智能生存空间的研究在国内外广泛开展,各种智能生存空间被开发出来。但是随着智能生存空间的发展,海量数据涌现,大量的空间信息成了现存系统中未被开发的宝藏,对其加以充分利用将大大提高智能生存空间系统决策支持的能力。商务智能技术在商业决策领域的发展、应用,给我们带来了新的契机。商务智能技术对于智能生存空间的信息处理具有重要作用,我们可以借助商务智能技术来提高智能生存空间信息的获取效率和应用效果,使决策更加人性化、智能化。对商务智能环境下的智能空间进行研究就具有重要的理论和现实意义,因此,本文深入研究国内外学者提出的智能生存空间的理论方法,结合商务智能技术,从信息技术角度保证智能空间的高效运行,更好的为我们的生存空间服务。本文首先对智能生存空间及商务智能技术的基本理论与技术进行了阐述,然后对信息社会环境下的智能生存空间进行分析,并指出商务智能技术与3S技术集成与设计是实现智能生存空间智能信息分析的关键。同时,本文构建了基于商务智能技术的智能生存空间应用模型,着重指出空间数据仓库及空间数据挖掘技术与3S的集成设计,并提出SDMOQL查询语言在集成中的重要作用,并列出几个描述实例。最后,通过17市实际数据实现了城市智能生存空间的信息智能分析过程,体现了商务智能技术在智能生存空间中应用的可行性和实际性。
二、基于空间数据仓库的空间数据挖掘研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于空间数据仓库的空间数据挖掘研究（论文提纲范文）
（1）基于数据挖掘技术的玉米智能施肥系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义及目的 |
| 1.3 国内外研究现状 |
| 1.3.1 国外关于智能施肥技术的研究 |
| 1.3.2 国内关于智能施肥技术的研究 |
| 1.4 存在的问题及研究方法 |
| 1.4.1 玉米智能施肥中存在的问题 |
| 1.4.2 研究方法 |
| 1.5 章节安排 |
| 第二章 农业数据分析的关键技术研究 |
| 2.1 数据挖掘技术研究 |
| 2.2 数据仓库技术研究 |
| 2.3 智能空间决策技术研究 |
| 2.4 施肥模型研究 |
| 2.5 决策树ID3 算法研究 |
| 2.6 Web GIS平台研究 |
| 2.7 本章小结 |
| 第三章 玉米智能施肥系统的架构设计 |
| 3.1 玉米智能施肥系统设计原则 |
| 3.2 玉米智能施肥系统总体结构设计 |
| 3.3 玉米智能施肥系统的功能需求分析 |
| 3.4 施肥模块模块化设计分析 |
| 第四章 数据分析模块的设计与实现 |
| 4.1 空间数据获取及处理 |
| 4.2 应用功能模块的设计与实现 |
| 4.2.1 登录模块 |
| 4.2.2 空间查询模块 |
| 4.2.3 知识导航模块 |
| 4.2.4 精准管理模块 |
| 4.2.5 系统管理模块 |
| 4.2.6 病虫害诊治模块 |
| 4.3 数据库设计 |
| 4.3.1 空间数据库 |
| 4.3.2 属性数据库 |
| 4.4 系统功能实现 |
| 4.4.1 系统开发环境 |
| 4.4.2 系统功能实现 |
| 4.4.3 知识导航模块 |
| 4.4.4 精准管理模块 |
| 4.4.5 病虫害诊治模块 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（2）可拓室内设计数据挖掘研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及研究的目的与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究的目的与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 建筑及室内设计人工智能的相关研究 |
| 1.2.2 可拓学与可拓建筑学的相关研究 |
| 1.2.3 数据挖掘与可拓数据挖掘的相关研究 |
| 1.2.4 研究综述 |
| 1.3 研究的内容与方法 |
| 1.3.1 研究的内容 |
| 1.3.2 研究的方法 |
| 1.4 论文研究框架 |
| 第2章 可拓室内设计数据挖掘的基本理论 |
| 2.1 可拓室内设计的理论基础 |
| 2.1.1 可拓室内设计的概念与模型表达 |
| 2.1.2 可拓室内设计的思维模式 |
| 2.1.3 可拓室内设计的分析方法 |
| 2.2 可拓数据挖掘的理论基础 |
| 2.2.1 可拓集理论 |
| 2.2.2 可拓室内设计数据挖掘的内涵 |
| 2.3 可拓室内设计数据挖掘的特点 |
| 2.3.1 面向可拓室内设计的可拓数据挖掘的特点 |
| 2.3.2 基于可拓数据挖掘的可拓室内设计的优势 |
| 2.4 可拓室内设计数据挖掘的任务与目标知识类型 |
| 2.4.1 描述性任务 |
| 2.4.2 预测性任务 |
| 2.4.3 目标知识类型 |
| 2.5 本章小结 |
| 第3章 可拓室内设计数据仓库的设计 |
| 3.1 建构可拓室内设计数据仓库的基础 |
| 3.1.1 可拓室内设计数据仓库与现有数据库的区别 |
| 3.1.2 数据库和数据仓库的平台选择 |
| 3.1.3 数据仓库的数据基础 |
| 3.1.4 数据仓库与联机分析处理技术 |
| 3.2 可拓室内设计数据仓库设计的原则 |
| 3.2.1 面向主题原则 |
| 3.2.2 双轮驱动原则 |
| 3.2.3 原型设计原则 |
| 3.3 可拓室内设计数据仓库的构成 |
| 3.3.1 基础数据仓库 |
| 3.3.2 可拓数据仓库 |
| 3.3.3 知识仓库 |
| 3.4 可拓室内设计数据仓库的拓点结构 |
| 3.4.1 量值拓点的关系体系 |
| 3.4.2 特征拓点的关系体系 |
| 3.5 本章小结 |
| 第4章 可拓室内设计数据挖掘方法 |
| 4.1 可拓室内设计分类挖掘方法 |
| 4.1.1 可拓室内设计分类挖掘方法阐释 |
| 4.1.2 确立分类挖掘设计问题 |
| 4.1.3 基于设计问题类别数据域的建立 |
| 4.1.4 基于可拓分析的可拓集建立与可拓挖掘 |
| 4.1.5 实例解析 |
| 4.2 可拓室内设计聚类挖掘方法 |
| 4.2.1 可拓室内设计聚类挖掘方法阐释 |
| 4.2.2 确立聚类挖掘设计问题 |
| 4.2.3 基于设计问题聚类特征树的建立 |
| 4.2.4 基于聚类分析的叶节点聚类与可拓挖掘 |
| 4.2.5 实例解析 |
| 4.3 可拓室内设计关联挖掘方法 |
| 4.3.1 可拓室内设计关联挖掘方法阐释 |
| 4.3.2 确立关联挖掘设计问题 |
| 4.3.3 基于设计问题数据项集的建立 |
| 4.3.4 基于关联分析的频繁项集发现与可拓挖掘 |
| 4.3.5 实例解析 |
| 4.4 可拓室内设计离群点挖掘方法 |
| 4.4.1 发散式挖掘 |
| 4.4.2 传导式挖掘 |
| 4.4.3 共轭式挖掘 |
| 4.4.4 转换桥式挖掘 |
| 4.5 本章小结 |
| 第5章 可拓室内设计数据挖掘的知识成果及其应用 |
| 5.1 可拓室内设计数据挖掘的形态要素型知识及其应用 |
| 5.1.1 挖掘的形态要素型知识 |
| 5.1.2 挖掘的形态要素型知识直接应用 |
| 5.1.3 挖掘的形态要素型知识可拓应用 |
| 5.2 可拓室内设计数据挖掘的主题风格型知识及其应用 |
| 5.2.1 挖掘的主题风格型知识 |
| 5.2.2 挖掘的主题风格型知识直接应用 |
| 5.2.3 挖掘的主题风格型知识可拓应用 |
| 5.3 可拓室内设计数据挖掘的文化特征型知识及其应用 |
| 5.3.1 挖掘的文化特征型知识 |
| 5.3.2 挖掘的文化特征型知识直接应用 |
| 5.3.3 挖掘的文化特征型知识可拓应用 |
| 5.4 可拓室内设计数据挖掘的行为与情境体验型知识及其应用 |
| 5.4.1 挖掘的行为体验型知识 |
| 5.4.2 挖掘的情境体验型知识 |
| 5.4.3 挖掘的行为与情境体验型知识直接应用 |
| 5.4.4 挖掘的行为与情境体验型知识可拓应用 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文及其它成果 |
| 致谢 |
| 个人简历 |
（3）基于空间数据仓库的农业大数据研究（论文提纲范文）
| 1 农业大数据的体系结构 |
| 1.1 数据采集 |
| 1.2 数据的集成与存储 |
| 1.2.1 数据提取 |
| 1.2.2 数据转换 |
| 1.2.3 数据清洗 |
| 1.2.4 数据装载 |
| 1.3 数据分析 |
| 1.3.1 数据挖掘 |
| 1.3.2 统计分析 |
| 1.3.3 数据可视化 |
| 2 农业大数据的应用分析 |
| 2.1 农产品安全管理 |
| 2.2 农业生产过程管理 |
| 2.3 农业资源和生态环境监测 |
| 3 发展农业大数据存在的问题 |
| 4 展望 |
（4）基于4G地学空间数据集成关键技术研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景 |
| 1.2 研究目的及意义 |
| 1.3 研究现状分析 |
| 1.3.1 4G 地学空间数据集成的研究现状 |
| 1.3.2 4G 地学空间数据集成关键技术的研究现状 |
| 1.4 主要研究内容 |
| 1.5 论文组织结构 |
| 第2章 4G 地学空间数据特征研究 |
| 2.1 4G 地学空间数据来源 |
| 2.1.1 4G 地学空间数据主要内容 |
| 2.1.2 4G 地学空间数据主要获得渠道 |
| 2.2 4G 地学空间数据集成需求 |
| 2.2.1 4G 地学空间数据特征 |
| 2.2.2 4G 地学空间数据集成需求 |
| 2.3 4G 地学空间数据集成结果 |
| 2.4 4G 地学空间数据特征提取 |
| 2.4.1 4G 地学空间特征提取的需求 |
| 2.4.2 4G 地学空间特征提取的方法 |
| 2.5 本章小结 |
| 第3章 应用于 4G 地学空间数据集成的数据仓库技术 |
| 3.1 地学空间数据集成常用方法 |
| 3.1.1 联邦数据库方法 |
| 3.1.2 中间件集成方法 |
| 3.1.3 数据仓库方法 |
| 3.1.4 各种方法的比较选择 |
| 3.2 4G 地学空间数据仓库 |
| 3.2.1 4G 地学空间数据仓库的研究发展现状 |
| 3.2.2 4G 地学空间数据仓库的工作原理 |
| 3.2.3 4G 地学空间原始数据仓库的架构组成 |
| 3.3 基于数据仓库的 4G 地学空间数据集成 |
| 3.3.1 4G 地学空间数据集成对数据仓库构建的需求 |
| 3.3.2 数据仓库的功能设计 |
| 3.3.3 数据仓库的体系设计 |
| 3.4 本章小结 |
| 第4章 基于 SQL Server 的 4G 地学空间数据仓库设计实现 |
| 4.1 数据仓库开发工具 |
| 4.1.1 Oracle 数据仓库开发工具 |
| 4.1.2 IBM 数据仓库开发工具 |
| 4.1.3 Sybase 数据仓库开发工具 |
| 4.1.4 Informix 数据仓库开发工具 |
| 4.1.5 NCR 数据仓库开发工具 |
| 4.2 SQL Server 数据仓库开发应用工具 |
| 4.2.1 概述 |
| 4.2.2 SQL Server 数据仓库开发应用工具开发数据仓库的步骤 |
| 4.3 基于 SQL Server 2000 的 4G 空间数据集成实例 |
| 4.3.1 设计思路 |
| 4.3.2 程序片段 |
| 4.3.3 结果显示 |
| 4.4 本章小结 |
| 第5章 4G 地学空间数据集成中的元数据研究 |
| 5.1 元数据概述 |
| 5.1.1 元数据的定义 |
| 5.1.2 元数据的内容 |
| 5.1.3 元数据的作用 |
| 5.1.4 元数据研究现状 |
| 5.1.5 元数据的管理和维护 |
| 5.2 4G 地学空间元数据 |
| 5.2.1 4G 地学空间元数据概述 |
| 5.2.2 4G 地学空间元数据标准化问题 |
| 5.2.3 4G 地学空间数据集成研究中元数据研究的重点及发展方向 |
| 5.3 4G 地学空间数据仓库的元数据 |
| 5.3.1 4G 地学空间数据仓库元数据系统构成 |
| 5.3.2 4G 地学空间数据仓库元数据系统设计 |
| 5.4 本章小结 |
| 第6章 4G 地学空间集成数据质量控制体系 |
| 6.1 4G 地学空间集成数据质量及质量控制概念 |
| 6.1.1 4G 地学空间集成数据质量概念 |
| 6.1.2 4G 地学空间集成数据质量控制概念 |
| 6.2 4G 地学空间集成数据质量问题来源 |
| 6.3 4G 地学空间集成数据质量评价 |
| 6.3.1 4G 地学空间集成数据质量评价的标准 |
| 6.3.2 4G 地学空间集成数据质量评价的流程 |
| 6.4 4G 地学空间集成数据质量评价方法 |
| 6.4.1 常见空间数据质量评价方法 |
| 6.4.2 层次分析法 |
| 6.4.3 改进的层次分析法 |
| 6.5 基于改进的层次分析法的 4G 地学空间集成数据质量评价 |
| 6.6 本章小结 |
| 第7章 总结及展望 |
| 附录 |
| 参考文献 |
| 致谢 |
（5）基于GIS的社会保障决策信息服务研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 选题的背景 |
| 1.1.1 GIS的发展促进政务信息化 |
| 1.1.2 社会保障的决策信息服务需求 |
| 1.1.3 GIS与数据挖掘紧密关联 |
| 1.2 选题的研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外电子政务GIS的研究现状 |
| 1.3.2 国内电子政务GIS的研究现状 |
| 1.4 研究方法与创新点 |
| 1.5 研究内容与组织结构 |
| 第二章 面向社保决策的GIS与数据挖掘集成 |
| 2.1 社会保障决策的理论基础 |
| 2.1.1 社会保障决策的重要性 |
| 2.1.2 社会保障决策的技术支持 |
| 2.1.3 社会保障服务对象的空间特性 |
| 2.2 GIS支持政府决策的理论基础 |
| 2.2.1 GIS功能概述及发展动态 |
| 2.2.2 GIS在政府决策中的应用 |
| 2.3 GIS与数据挖掘集成的理论基础 |
| 2.3.1 GIS决策服务的局限性 |
| 2.3.2 GIS与数据挖掘的关系 |
| 2.3.3 GIS空间数据挖掘概述 |
| 2.4 集成数据挖掘的GIS政府决策服务 |
| 第三章 GIS政务空间数据预处理技术 |
| 3.1 非空间数据预处理的意义与方法 |
| 3.2 GIS空间数据预处理方法 |
| 3.2.1 GIS空间数据的特征和分类 |
| 3.2.2 属性数据离散化和概念分层 |
| 3.2.3 空间关系表达与空间谓词 |
| 3.3 空间谓词的计算 |
| 3.4 空间谓词概念树与连接表 |
| 3.4.1 空间谓词概念树 |
| 3.4.2 空间谓词连接表 |
| 3.5 社保政务空间数据预处理流程 |
| 第四章 社保政务空间数据挖掘模型构建 |
| 4.1 GIS与数据挖掘的集成模式 |
| 4.2 社保政务空间数据挖掘模型 |
| 4.3 社保政务空间特征规则挖掘算法 |
| 4.4 基于GIS的空间关联规则挖掘 |
| 4.4.1 关联规则概述 |
| 4.4.2 空间关联规则的定义和分类 |
| 4.4.3 GIS空间关联规则挖掘过程 |
| 4.5 社保政务空间关联规则挖掘算法 |
| 第五章 面向社会保障决策的政务挖掘实现 |
| 5.1 社保GIS空间数据库的建立 |
| 5.1.1 ArcGIS软件简介 |
| 5.1.2 社保政务数据来源 |
| 5.2 政务空间特征规则挖掘实验 |
| 5.3 政务空间关联规则挖掘实验 |
| 5.4 推进基于GIS的社会保障决策信息服务 |
| 总结 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（6）构建面向城市建设用地的空间数据仓库（论文提纲范文）
| 1 引言 |
| 2 多维数据模型的建立 |
| 2.1 数据集市的划分 |
| 2.2 多维数据模型 |
| 3 城市建设用地空间数据仓库的构建 |
| 3.1 空间数据仓库的建立流程 |
| 3.2 数据获取 |
| 3.3 数据预处理 |
| 3.4 空间OLAP服务 |
| 4 城市建设用地空间数据仓库的多维分析实例 |
| 4.1 建筑高度分析 |
| 4.2 建筑基底面积分析 |
| 5 结束语 |
（7）基于多维数据模型的城市建设用地数据挖掘研究——以北京市为例（论文提纲范文）
| 1 多维数据模型的构建 |
| 2 空间数据仓库的建立 |
| 2.1 空间数据仓库的建立流程 |
| 2.2 数据集的划分 |
| (1) 建设用地扩展数据集。 |
| (2) 建筑高度数据集。 |
| (3) 建设用地利用强度数据集。 |
| (4) 空间数据集。 |
| 2.3 空间数据挖掘方法的选择 |
| 3 空间数据挖掘成果分析与评价 |
| 3.1 时间角度的建设用地扩展分析 |
| 3.2 空间角度的建设用地扩展分析 |
| 4 结语 |
（8）基于空间OLAP技术的土地利用规划辅助决策支持系统研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文的研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 论文研究目标、内容和拟解决的关键问题 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 拟解决的关键问题 |
| 1.4 论文组织结构 |
| 第二章 系统涉及关键技术分析 |
| 2.1 数据仓库与OLAP |
| 2.1.1 数据库与数据仓库 |
| 2.1.2 OLAP |
| 2.1.3 数据仓库的逻辑模型 |
| 2.1.4 数据仓库系统结构 |
| 2.2 空间数据仓库 |
| 2.2.1 空间数据仓库的定义与特征 |
| 2.2.2 空间数据仓库建模与空间OLAP |
| 2.2.3 空间数据仓库的体系结构 |
| 2.3 空间决策支持系统 |
| 2.3.1 基本概念 |
| 2.3.2 DSS分类与特征 |
| 2.3.3 数据挖掘技术 |
| 2.4 本章小结 |
| 第三章 土地利用规划决策支持系统的体系结构设计与解决方案 |
| 3.1 土地利用规划决策支持体系总体设计 |
| 3.1.1 数据层 |
| 3.1.2 组织层 |
| 3.1.3 挖掘层 |
| 3.1.4 支持层 |
| 3.2 土地利用规划数据仓库设计 |
| 3.2.1 数据仓库逻辑建模 |
| 3.2.2 数据仓库总体设计 |
| 3.2.3 事实表与维度表设计 |
| 3.3 建立数据立方体 |
| 3.4 元数据管理 |
| 3.4.1 数据管理 |
| 3.4.2 模型与算法管理 |
| 3.5 本章小结 |
| 第四章 系统实现与应用 |
| 4.1 构造数据仓库 |
| 4.1.1 建立事实表与维度表 |
| 4.1.2 数据ETL流程 |
| 4.1.3 元数据管理 |
| 4.2 先端工具功能演示 |
| 4.2.1 地类分析统计功能 |
| 4.2.2 多源数据联合查询分析功能 |
| 4.2.3 数据耦合查询分析功能 |
| 4.3 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 存在的不足与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
（10）商务智能技术在智能生存空间中的应用研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 主要研究内容 |
| 1.3 论文组织结构 |
| 2 相关理论与商务智能技术概述 |
| 2.1 智能生存空间理论概述 |
| 2.1.1 智能生存空间的概念 |
| 2.1.2 智能生存空间的研究现状 |
| 2.2 商务智能理论概述 |
| 2.2.1 商务智能的涵义 |
| 2.2.2 商务智能的功能结构 |
| 2.2.3 商务智能的发展趋势 |
| 2.3 商务智能技术概述 |
| 2.3.1 数据仓库 |
| 2.3.2 空间数据仓库 |
| 2.4 本章小结 |
| 3 商务智能技术下的智能生存空间 |
| 3.1 智能生存空间与商务智能的关系 |
| 3.1.1 信息技术对智能生存空间的影响 |
| 3.1.2 商务智能技术对智能生存空间的作用 |
| 3.2 商务智能技术下智能生存空间的概念模型研究 |
| 3.3 本章小结 |
| 4 基于商务智能技术的智能生存空间应用模型研究 |
| 4.1 智能生存空间信息智能分析 |
| 4.2 3S信息智能分析 |
| 4.3 3S空间数据仓库 |
| 4.4 3S空间数据挖掘 |
| 4.4.1 可发现的知识 |
| 4.4.2 GIS空间数据挖掘集成体系结构 |
| 4.4.3 空间数据挖掘语言设计 |
| 4.5 基于商务智能技术的智能生存空间应用模型 |
| 4.6 本章小结 |
| 5 城市智能生存空间应用方案 |
| 5.1 BI应用平台 |
| 5.1.1 Pentaho BI平台 |
| 5.1.2 数据挖掘工具 |
| 5.2 城市智能生存空间信息智能分析 |
| 5.2.1 数据导入与处理 |
| 5.2.2 空间聚类分析 |
| 5.2.3 聚类结果分析 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 研究展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
四、基于空间数据仓库的空间数据挖掘研究（论文参考文献）
- [1]基于数据挖掘技术的玉米智能施肥系统的研究[D]. 朱雪莹. 吉林农业大学, 2019(03)
- [2]可拓室内设计数据挖掘研究[D]. 马辉. 哈尔滨工业大学, 2018(01)
- [3]基于空间数据仓库的农业大数据研究[J]. 韩家琪,毛克彪,夏浪,刘勍,马莹,郭豪. 中国农业科技导报, 2016(05)
- [4]基于4G地学空间数据集成关键技术研究[D]. 魏红雨. 吉林大学, 2014(03)
- [5]基于GIS的社会保障决策信息服务研究[D]. 陈丹. 福州大学, 2014(09)
- [6]构建面向城市建设用地的空间数据仓库[J]. 关丽,冯学兵,孔令彦. 测绘科学, 2014(01)
- [7]基于多维数据模型的城市建设用地数据挖掘研究——以北京市为例[J]. 关丽,魏科,颜涯,孔令彦,冯学兵. 地理与地理信息科学, 2012(06)
- [8]基于空间OLAP技术的土地利用规划辅助决策支持系统研究与应用[D]. 胡晓曦. 西南交通大学, 2012(03)
- [9]海洋地球物理空间数据仓库系统的设计与实现[J]. 苏天赟,崔爱菊,梁瑞才,王建村,王勇. 地球物理学进展, 2011(04)
- [10]商务智能技术在智能生存空间中的应用研究[D]. 马甜甜. 北京交通大学, 2011(09)