【文章內(nèi)容簡(jiǎn)介】 程，即搜索從初始狀態(tài)有效的轉(zhuǎn)移到目標(biāo)所經(jīng)歷的最優(yōu)的或最經(jīng)濟(jì)的線路，相應(yīng)的知識(shí)推理方法即圖搜索方法。例如，對(duì)于具有樹(shù)狀的狀態(tài)空間圖，稱為 “ 問(wèn)題樹(shù) ” ，基本的圖搜索方法有： 寬度優(yōu)先搜索 、 深度優(yōu)先搜索法 等。 3．專家系統(tǒng) ? 邏輯論證方法 ? 當(dāng) 知識(shí)表示 采用 謂詞邏輯 或其他形式邏輯方法時(shí)， 知識(shí)推理 也可以采取 邏輯論證方法 。在這種情況下，求解一個(gè)問(wèn)題相應(yīng)于證明一個(gè)定理或幾個(gè)定理，問(wèn)題求解的知識(shí)推理過(guò)程，相應(yīng)于用數(shù)理邏輯方法進(jìn)行定理證明的過(guò)程。知識(shí)推理方法即邏輯論證方法。 3．專家系統(tǒng) ? 根據(jù)問(wèn)題求解的推理過(guò)程是否運(yùn)用啟發(fā)性知識(shí)，知識(shí)推理方法可分為 啟發(fā)推理 和 非啟發(fā)推理 兩類。 ? 發(fā)推理 ? 非啟發(fā)推理 3．專家系統(tǒng) ? 根據(jù)問(wèn)題求解的推理過(guò)程中結(jié)論是否精確，知識(shí)推理方法可分為精確推理和不精確推理兩類。 ? 精確推理 ? 不精確推理 ? 根據(jù)問(wèn)題求解過(guò)程中特殊和一般的關(guān)系，知識(shí)推理方法可分為 演繹推理 和 歸納推理 ；根據(jù)求解推理過(guò)程中的推理的方向，知識(shí)推理方法可分為 正向推理 、 反向推理 和 正反向混合推理 三類。 3．專家系統(tǒng) ? 3． 3 空間分類專家系統(tǒng)實(shí)例 —土地類型分類 ? 空間分類 是 GIS和遙感信息系統(tǒng)最常用的功能，將空間單元?dú)w組分類是智能 GIS的基本功能。傳統(tǒng)的分類基于二值邏輯，認(rèn)為區(qū)域分類界限是明顯的，基本空間單元（矢量或柵格結(jié)構(gòu)）屬于且只屬于一個(gè)空間類別。然而，事實(shí)上空間類別之間的界限通常是模糊的，是漸變的而不是突變的，所以在空間分類中引入模糊邏輯會(huì)提高分類的精度。另外空間分類也是一個(gè)基于人們對(duì)空間現(xiàn)象的認(rèn)知和知識(shí)的心理判斷過(guò)程，開(kāi)發(fā)一個(gè)帶有GIS的專家系統(tǒng)是很有必要的。 ? 下面是一個(gè) 基于遙感影象的土地類型專家分類系統(tǒng) 實(shí)例。 3．專家系統(tǒng) ? 數(shù)據(jù)采用 4波段 LANDSAT MSS影象數(shù)據(jù)，分類系統(tǒng)所采用的分類依據(jù)如圖 1010所示： 圖 1010：土地利用分類 空間單元 陸地 水域 清水 混水 無(wú)植被 植被 城市和其它用地 荒地3．專家系統(tǒng) ? 根據(jù)專家的經(jīng)驗(yàn)，不能武斷的使用一個(gè)波段數(shù)值作為分類的界限，為反映光譜反射的漸變性，使用了 模糊邏輯方法表示推理規(guī)則 。以規(guī)則 r1為例，在劃分水域時(shí)不是只取波段 3（ x3）的一個(gè)數(shù)值5和波段 4（ x4）中的一個(gè)數(shù)值 8作為分類依據(jù)，而是用了模糊集的方法允許漸變特征。 3．專家系統(tǒng) ? 模糊集表示如圖 1011。 圖 1011：模糊集 108 12x3 （波段 3 ）105 10x 4 （波段 4 ）隸屬度 隸屬度3．專家系統(tǒng) ? 由于專家對(duì)分類規(guī)則非常確定，所以確定性因子為 1。若確定性水平的不同，確定性因子可在 [0，1]范圍內(nèi)取值。 ? 分類的結(jié)果通過(guò)地理信息系統(tǒng)進(jìn)行顯示，當(dāng)分類結(jié)果精確時(shí)，系統(tǒng)會(huì)自動(dòng)顯示分類結(jié)果。當(dāng)分類結(jié)果存在誤差時(shí)，混合象元同時(shí)被標(biāo)識(shí)和顯示，同時(shí)土地類型漸變?cè)斐傻哪：吔缫部娠@示，模糊邊界的寬度在土地類型混雜的地方用不同的閥值控制。 3．專家系統(tǒng) 4．?dāng)?shù)據(jù)倉(cāng)庫(kù)與空間數(shù)據(jù)挖掘 ? 自動(dòng)數(shù)據(jù)采集工具的越來(lái)越廣泛的應(yīng)用，日益豐富的空間和非空間數(shù)據(jù)收集和存儲(chǔ)于大空間數(shù)據(jù)庫(kù)中， 海量的地理數(shù)據(jù) 在一定程度上已經(jīng)超過(guò)了人們能夠處理的能力，從這些海量的數(shù)據(jù)中提取和發(fā)現(xiàn)地學(xué)知識(shí)，給當(dāng)前GIS技術(shù)提出了巨大的挑戰(zhàn)。新的需求推動(dòng)著 GIS從操作型信息系統(tǒng)向分析型信息系統(tǒng)過(guò)渡 ，數(shù)據(jù)庫(kù)系統(tǒng)最新的數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)技術(shù)為 GIS組織、管理海量空間和非空間數(shù)據(jù)提供了新的思路。 4．?dāng)?shù)據(jù)倉(cāng)庫(kù)與空間數(shù)據(jù)挖掘 ? GIS在空間數(shù)據(jù)存儲(chǔ)、表達(dá)和管理方面的能力已得到廣泛的認(rèn)可，增強(qiáng) GIS分析功能，提高 GIS解決地學(xué)實(shí)際問(wèn)題的能力已得到共識(shí)。 GIS吸收數(shù)據(jù)倉(cāng)庫(kù)的思想，將空間分析和空間數(shù)據(jù)挖掘方法緊密集成，充分利用GIS數(shù)據(jù)存儲(chǔ)、管理空間數(shù)據(jù)的功能，使海量的地理空間數(shù)據(jù)變成無(wú)限的知識(shí)，使 GIS成為智能的信息系統(tǒng) 。 ? 4． 1數(shù)據(jù)倉(cāng)庫(kù) ? 計(jì)算機(jī)系統(tǒng)存在兩類不同的處理： 操作型處理 和 分析型處理 。操作型處理也叫 事務(wù)型處理 ，是指對(duì)數(shù)據(jù)庫(kù)聯(lián)機(jī)進(jìn)行的日常操作，通常是對(duì)一個(gè)或一組記錄的查詢和修改，主要為企業(yè)特定應(yīng)用服務(wù)，對(duì)此人們關(guān)心的是響應(yīng)時(shí)間、數(shù)據(jù)的安全性和完整性。分析型處理是用于管理人員的決策分析，例如決策支持系統(tǒng)、專家系統(tǒng)和多維分析等，經(jīng)常要訪問(wèn)大量的歷史數(shù)據(jù)。 ? 兩者的巨大差別使得 操作型處理 和 分析型處理 的分離成為必然，于是 數(shù)據(jù)庫(kù)由操作型環(huán)境發(fā)展成為操作型環(huán)境和分析型環(huán)境的新體系化環(huán)境 。在此新體系環(huán)境中數(shù)據(jù)倉(cāng)庫(kù)處于核心地位，它是建立決策支持系統(tǒng)的基礎(chǔ)。 4．?dāng)?shù)據(jù)倉(cāng)庫(kù)與空間數(shù)據(jù)挖掘 ? 數(shù)據(jù)倉(cāng)庫(kù)是指面向主題的、集成的、穩(wěn)定的、隨著時(shí)間變化的數(shù)據(jù)集合，用以支持管理決策。 這一定義指出了數(shù)據(jù)倉(cāng)庫(kù)的目標(biāo)是為了制定管理的決策提供支持信息。正象企業(yè)為了發(fā)展要進(jìn)行業(yè)務(wù)重組一樣，為了支持管理決策需要也要按決策業(yè)務(wù)科目的要求重組在線事務(wù)處理（ OLTP）系統(tǒng)中的數(shù)據(jù)，并要按不同決策，分析內(nèi)容分別組織使之方便使用。也就是說(shuō)，數(shù)據(jù)倉(cāng)庫(kù)是一種把收集的數(shù)據(jù)轉(zhuǎn)變成有意義的信息技術(shù)。數(shù)據(jù)可以來(lái)源于許多不同的數(shù)據(jù)源，包括不同的數(shù)據(jù)庫(kù)系統(tǒng)，甚至來(lái)源于不同的操作系統(tǒng)。 4．?dāng)?shù)據(jù)倉(cāng)庫(kù)與空間數(shù)據(jù)挖掘 圖 1012：數(shù)據(jù)倉(cāng)庫(kù)體系結(jié)構(gòu) 4．?dāng)?shù)據(jù)倉(cāng)庫(kù)與空間數(shù)據(jù)挖掘 ? 典型的數(shù)據(jù)倉(cāng)庫(kù)體系結(jié)構(gòu)如圖 1012，數(shù)據(jù)從多個(gè)操作型數(shù)據(jù)庫(kù)和外部文件中抽取，抽取出來(lái)的數(shù)據(jù)要進(jìn)行清理、轉(zhuǎn)換和集成，然后裝入數(shù)據(jù)倉(cāng)庫(kù)中。裝入倉(cāng)庫(kù)的數(shù)據(jù)形式取決于數(shù)據(jù)倉(cāng)庫(kù)里數(shù)據(jù)庫(kù)的設(shè)計(jì)，一般的數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)方法是多維數(shù)據(jù)模型，具體表現(xiàn)為星形模式或雪花模式。 4．?dāng)?shù)據(jù)倉(cāng)庫(kù)與空間數(shù)據(jù)挖掘 ? 4． 2數(shù)據(jù)挖掘 ? 隨著大量的大規(guī)模的數(shù)據(jù)庫(kù)迅速不斷地增長(zhǎng)，人們對(duì)數(shù)據(jù)庫(kù)的應(yīng)用已不滿足于僅對(duì)數(shù)據(jù)庫(kù)進(jìn)行查詢和檢索。僅用查詢檢索不能幫助用戶從數(shù)據(jù)中提取帶有結(jié)論性的有用信息。這樣數(shù)據(jù)庫(kù)中蘊(yùn)藏的豐富知識(shí)，就得不到充分的發(fā)掘和利用，形成 “ 數(shù)據(jù)豐富而知識(shí)貧乏 ” 的現(xiàn)象。另外，從人工智能應(yīng)用來(lái)看，專家系統(tǒng)的研究雖然取得了一定的進(jìn)展。但是， 知識(shí)獲取仍然是專家系統(tǒng)研究中的瓶頸 。 4．?dāng)?shù)據(jù)倉(cāng)庫(kù)與空間數(shù)據(jù)挖掘 ? 數(shù)據(jù)挖掘技術(shù) 集成了 機(jī)器學(xué)習(xí) 、 數(shù)據(jù)庫(kù)系統(tǒng) 、 數(shù)據(jù)可視化 、 統(tǒng)計(jì)和信息理論 等多領(lǐng)域的最新技術(shù)，有著廣泛的應(yīng)用前景。 ? 數(shù)據(jù)挖掘主要分為以下四個(gè)步驟： ? 1） 數(shù)據(jù)選取 ? 2） 數(shù)據(jù)轉(zhuǎn)換 ? 3） 數(shù)據(jù)挖掘 ? 4） 結(jié)果解釋 4．?dāng)?shù)據(jù)倉(cāng)庫(kù)與空間數(shù)據(jù)挖掘 ? 當(dāng)執(zhí)行完一個(gè)挖掘過(guò)程后，有時(shí)可能需要重新修改挖掘過(guò)程，還可能增加其它數(shù)據(jù)，數(shù)據(jù)挖掘過(guò)程可以通過(guò)適當(dāng)?shù)?反饋反復(fù)進(jìn)行 ，如圖 1013所示。 圖 1013：知識(shí)挖掘過(guò)程 4．?dāng)?shù)據(jù)倉(cāng)庫(kù)與空間數(shù)據(jù)挖掘 ? 數(shù)據(jù)挖掘涉及的學(xué)科領(lǐng)域和方法很多，有多種分類法。根據(jù)知識(shí)發(fā)現(xiàn)任務(wù)，可分為分類或預(yù)測(cè)模型發(fā)現(xiàn)、數(shù)據(jù)總結(jié)、聚類、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、序列模式發(fā)現(xiàn)、依賴關(guān)系或依賴模型發(fā)現(xiàn)、異常和趨勢(shì)發(fā)現(xiàn)等等； ? 根據(jù)知識(shí)發(fā)現(xiàn)對(duì)象 ，可分為關(guān)系數(shù)據(jù)庫(kù)、面向?qū)ο髷?shù)據(jù)庫(kù)、空間數(shù)據(jù)庫(kù)、時(shí)間數(shù)據(jù)庫(kù)、文本數(shù)據(jù)源、多媒體數(shù)據(jù)庫(kù)、異質(zhì)數(shù)據(jù)庫(kù)、 Web數(shù)據(jù)庫(kù)； 4．?dāng)?shù)據(jù)倉(cāng)庫(kù)與空間數(shù)據(jù)挖掘 ? 根據(jù)知識(shí)發(fā)現(xiàn)方法 ，可粗分為機(jī)器學(xué)習(xí)方法、統(tǒng)計(jì)方法、神經(jīng)網(wǎng)絡(luò)方法和數(shù)據(jù)庫(kù)方法。機(jī)器學(xué)習(xí)中，可細(xì)分為歸納學(xué)習(xí)方法 (決策樹(shù)、規(guī)則歸納等 )、基于范例學(xué)習(xí)、遺傳算法等。統(tǒng)計(jì)方法中，可細(xì)分為回歸分析 (多元回歸、自回歸等 )、判別分析 (貝葉斯判別、費(fèi)歇爾判別、非參數(shù)判別等 )、聚類分析 (系統(tǒng)聚類、動(dòng)態(tài)聚類等 )、探索性分析 (主元分析法、相關(guān)分析法等 )等。神經(jīng)網(wǎng)絡(luò)方法中，可細(xì)分為前向神經(jīng)網(wǎng)絡(luò) (BP算法等 )、自組織神經(jīng)網(wǎng)絡(luò) (自組織特征映射、競(jìng)爭(zhēng)學(xué)習(xí)等 )等。 4．?dāng)?shù)據(jù)倉(cāng)庫(kù)與空間數(shù)據(jù)挖掘 ? 4． 3空間數(shù)據(jù)挖掘 ? 空間數(shù)據(jù)是與占有一定空間的對(duì)象有關(guān)的數(shù)據(jù)，空間數(shù)據(jù)庫(kù)是通過(guò)空間數(shù)據(jù)類型和空間關(guān)系存儲(chǔ)和管理空間數(shù)據(jù)。 空間數(shù)據(jù)通常具有拓?fù)浜途嚯x信息，通過(guò)空間索引進(jìn)行組織和查詢。 空間數(shù)據(jù)特有的性質(zhì)給空間數(shù)據(jù)庫(kù)的知識(shí)發(fā)現(xiàn)提出了挑戰(zhàn)和機(jī)遇?？臻g數(shù)據(jù)庫(kù)的知識(shí)發(fā)現(xiàn)或空間數(shù)據(jù)挖掘，可以定義為從空間數(shù)據(jù)庫(kù)中提取隱含的知識(shí)、和沒(méi)有直接存儲(chǔ)的空間關(guān)系、空間模式的過(guò)程。 4．?dāng)?shù)據(jù)倉(cāng)庫(kù)與空間數(shù)據(jù)挖掘 ? 空間數(shù)據(jù)挖掘技術(shù) ，特別是空間數(shù)據(jù)理解、空間和非空間數(shù)據(jù)關(guān)系發(fā)現(xiàn)、空間知識(shí)庫(kù)構(gòu)造、空間數(shù)據(jù)庫(kù)的查詢優(yōu)化和數(shù)據(jù)組織，在 GIS、遙感、影象數(shù)據(jù)庫(kù)、機(jī)器人運(yùn)動(dòng)等涉及空間數(shù)據(jù)的應(yīng)用系統(tǒng)中很有前景。 4．?dāng)?shù)據(jù)倉(cāng)庫(kù)與空間數(shù)據(jù)挖掘 ? 下面簡(jiǎn)要介紹目前空間數(shù)據(jù)挖掘使用的一些方法： ? 1）統(tǒng)計(jì)分析方法 ? 目前空間數(shù)據(jù)分析最常用的方法是統(tǒng)計(jì)分析方法。統(tǒng)計(jì)分析非常適合處理數(shù)值型數(shù)據(jù)，統(tǒng)計(jì)分析方法多年來(lái)積累了大量的算法，可以用于對(duì)空間現(xiàn)象建模和分析。 4．?dāng)?shù)據(jù)倉(cāng)庫(kù)與空間數(shù)據(jù)挖掘 ? 2）基于概括