空間資料挖掘方法應用於土地利用變遷之研究

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：124

、訪客IP：3.143.168.172

姓名

張敬悅(Ching-Yueh Chang) 查詢紙本館藏

畢業系所

土木工程學系

論文名稱

空間資料挖掘方法應用於土地利用變遷之研究
(Land use/land cover change by using spatial data mining methods)

相關論文

★ 多時期衛星影像之自動化監督性分類	★ 大範圍地區土地使用分類之研究
★ 高解析力衛星影像控制點座標之自動化萃取	★ 影像最佳類別數目之研究
★ 遙控直昇機應用於工程管理監測可行性之研究	★ 以地理資訊系統輔助共同管道之最適設計
★ 有理函數應用於空載多光譜影像幾何校正之研究	★ SPOT自然色影像產生之研究
★ 結合影像區塊及知識庫分類之研究-以IKONOS衛星影像為例	★ 遙控飛機空載視訊影像自動化鑲嵌方法之研究
★ 影像分割技術於高解析衛星影像分類之應用	★ 小波多層次解析之影像融合應用
★ 線性複合模式應用於變遷偵測之研究	★ 改良式變異向量分析法於變遷偵測之探討
★ 區塊分割變遷偵測法於多時期衛星影像之應用	★ 資料挖掘技術應用於外來入侵植物研究 (以恆春地區銀合歡為例)

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

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。

摘要(英)

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.

關鍵字(中)

★ 土地變遷
★ 空間資料挖掘
★ 知識發現

關鍵字(英)

★ Land use/land cover change
★ Spatial data mining
★ Knowledge discovery

論文目次

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

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 .

指導教授

陳繼藩(Chi-Farn Chen)

審核日期

2005-7-21

推文