Knowledge Discovery in Spatial Data

این کتاب به کشف دانش و داده کاوی در داده های مکانی و زمانی می پردازد و به دنبال ارائه روش های جدیدی است که می تواند برای کشف ساختارها و فرآیندهای فضایی در داده های پیچیده به کار رود. کشف دانش فضایی از طریق وظایف خوشه‌بندی، طبقه‌بندی، تداعی/رابطه و فرآیند بررسی می‌شود. کشف ساختارهای فضایی به‌عنوان خوشه‌های طبیعی، شناسایی سطوح جداسازی و استخراج قوانین طبقه‌بندی از منظر آماری و الگوریتمی، تشخیص جنبه‌های محلی و جهانی غیرایستایی تداعی‌ها و روابط فضایی، آشکارسازی رفتارهای مقیاس‌بندی داده‌های سری‌های زمانی از جمله موضوعات مطرح شده است. از جمله خود شباهت و وابستگی طولانی مدت. تاکید ویژه بر درمان مقیاس، نویز، نقص و توزیع مخلوط است. مثال های عددی و دامنه وسیعی از کاربردها در سراسر کتاب برای اثبات استدلال های مفهومی و نظری استفاده شده است.

This book deals with knowledge discovery and data mining in spatial and temporal data, seeking to present novel methods that can be employed to discover spatial structures and processes in complex data. Spatial knowledge discovery is examined through the tasks of clustering, classification, association/relationship, and process. Among the covered topics are discovery of spatial structures as natural clusters, identification of separation surfaces and extraction of classification rules from statistical and algorithmic perspectives, detecting local and global aspects of non-stationarity of spatial associations and relationships, unraveling scaling behaviors of time series data, including self-similarity, and long range dependence. Particular emphasis is placed on the treatment of scale, noise, imperfection and mixture distribution. Numerical examples and a wide scope of applications are used throughout the book to substantiate the conceptual and theoretical arguments.