基本介紹
內容簡介,圖書目錄,前言,引論,第1章 GIS簡介,第2章 地圖分析,第3章 探索性空間分析,第4章 空間相關性和異質性,第5章 空間抽樣,第6章 點格局識別,第7章 點數據插值,第8章 格數據統計,第9章 格數據回歸,第10章 決策樹,第11章 貝葉斯網路,第12章 人工神經網路,第13章 粗糙集,第14章 支持向量機,第15章 粒子群最佳化算法,第16章 期望最大化算法,第17章 空間運籌,第18章 BME模型,第19章 演化樹預報模型,第20章 Meta建模,第21章 空間統計學軟體包,第22章 空間智慧型計算軟體包,主要參考文獻,概念,摘要,序言,
內容簡介
《空間數據分析教程》編輯推薦：以空間數據分析經典內容為主線，介紹了該領域的最新成果，理論結合真實案例及軟體操作具體步驟，讀者可以學以致用，圖文表結合，內容深入淺出，各章相對獨立，便於選擇使用，可作為高等院校本科生和研究生教材，也可供相關人員參考。
圖書目錄
前言
引論
0.1 舉例
0.2 空間分析理論體系
0.3 本書結構
0.2 空間分析理論體系
0.3 本書結構
第1章 GIS簡介
1.1 舉例
1.2 GIS原理
1.3 ArcGIS軟體使用步驟
1.2 GIS原理
1.3 ArcGIS軟體使用步驟
第2章 地圖分析
2.1 意念地圖
2.2 圖形分析
2.3 圖譜分析
2.2 圖形分析
2.3 圖譜分析
第3章 探索性空間分析
3.1 線性相關性分析
3.2 回歸分析
3.3 主成分分析
3.4 層次分析
3.5 地理探測器
3.2 回歸分析
3.3 主成分分析
3.4 層次分析
3.5 地理探測器
第4章 空間相關性和異質性
4.1 空間相關性
4.2 空間異質性
4.3 校正和運用
4.2 空間異質性
4.3 校正和運用
第5章 空間抽樣
5.1 空間簡單隨機抽樣
5.2 空間系統抽樣
5.3 空間分層抽樣
5.4 空間三明治抽樣
5.5 案例
5.2 空間系統抽樣
5.3 空間分層抽樣
5.4 空間三明治抽樣
5.5 案例
第6章 點格局識別
6.1 樣方分析
6.2 最鄰近距離統計
6.3 RipIey's K函式
6.2 最鄰近距離統計
6.3 RipIey's K函式
第7章 點數據插值
7.1 趨勢面方法
7.2 反距離加權法(IDW)
7.3 Kringing方法
7.4 Co-Kringing方法
7.5 核心估計函式法
7.6 “3G”方法
7.2 反距離加權法(IDW)
7.3 Kringing方法
7.4 Co-Kringing方法
7.5 核心估計函式法
7.6 “3G”方法
第8章 格數據統計
8.1 空間自相關
8.2 可變面元問題
8.3 空間熱點探測
8.2 可變面元問題
8.3 空間熱點探測
第9章 格數據回歸
9.1 通用模型
9.2 空間滯後模型
9.3 空間誤差模型
9.4 地理加權回歸
9.2 空間滯後模型
9.3 空間誤差模型
9.4 地理加權回歸
第10章 決策樹
10.1 原理
10.2 案例
10.3 算法
10.2 案例
10.3 算法
第11章 貝葉斯網路
11.1 原理
11.2 案例1：出生缺陷預測
11.3 案例2：交通流預測
11.4 數學模型
11.2 案例1：出生缺陷預測
11.3 案例2：交通流預測
11.4 數學模型
第12章 人工神經網路
12.1 原理
12.2 案例
12.3 數學模型
12.2 案例
12.3 數學模型
第13章 粗糙集
13.1 原理
13.2 案例1：出生缺陷
13.3 案例2：交通流預測
13.4 分析流程
13.2 案例1：出生缺陷
13.3 案例2：交通流預測
13.4 分析流程
第14章 支持向量機
14.1 原理
14.2 案例
14.3 數學模型
14.2 案例
14.3 數學模型
第15章 粒子群最佳化算法
15.1 原理
15.2 案例
15.3 數學模型
15.2 案例
15.3 數學模型
第16章 期望最大化算法
16.1 原理
16.2 案例
16.3 數學模型
16.2 案例
16.3 數學模型
第17章 空間運籌
17.1 零售業空間價格模型
17.2 房屋空間價格模型
17.3 資源空間配置邊際效益均衡模型
17.2 房屋空間價格模型
17.3 資源空間配置邊際效益均衡模型
第18章 BME模型
18.1 原理
18.2 輸入
18.3 輸出
18.4 軟體使用步驟
18.2 輸入
18.3 輸出
18.4 軟體使用步驟
第19章 演化樹預報模型
19.1 原理
19.2 案例
19.2 案例
第20章 Meta建模
20.1 原理
20.2 案例
20.2 案例
第21章 空間統計學軟體包
21.1 GeoDa：空間統計分析軟體
21.2 CrimeStat：空間聚類軟體
21.3 WinBUGS和GeoBUGS：層次貝葉斯建模軟體
21.4 SatScan：空間掃描軟體
21.5 SSSI：空間抽樣與統計推斷軟體
21.2 CrimeStat：空間聚類軟體
21.3 WinBUGS和GeoBUGS：層次貝葉斯建模軟體
21.4 SatScan：空間掃描軟體
21.5 SSSI：空間抽樣與統計推斷軟體
第22章 空間智慧型計算軟體包
22.1 Bavesian gelief Network：貝葉斯網路推理軟體
22.2 Yaahp：層次分析軟體
22.3 SPSS：數據統計軟體
22.4 Weka：數據挖掘軟體
22.5 PSO/ACO2：粒子群算法軟體
22.6 MATLAB：科學計算軟體
22.7 LIBSVM：支持向量機軟體
22.2 Yaahp：層次分析軟體
22.3 SPSS：數據統計軟體
22.4 Weka：數據挖掘軟體
22.5 PSO/ACO2：粒子群算法軟體
22.6 MATLAB：科學計算軟體
22.7 LIBSVM：支持向量機軟體
主要參考文獻
概念
摘要
20世紀後半葉在西方統計界興起的探索性數據分析技術，基於讓數據說話的理念，即儘可能不預先為數據結構設定模式，通過顯示關鍵性數據和使用簡單的指標來得出模式，利用歸納的方式提出假設，避免野值或非典型觀測值的誤導。從20世紀90年代開始，探索性數據分析技術逐漸被地學工作者認可並引入地球信息科學（Haining，1990）。
探索性空間分析一般作為空間分析的先導，進行數據清洗、篩選變數、提示模型選擇、檢驗假設等。實現手段是，利用一系列軟體，描述和顯示空間分布，識別非典型空間位置（空間表面），發現空間關聯模式，提出不同的空間結構及空間不穩定性的其他模式（Painho，1994）。空間數據挖掘是探索性空間分析的重要手段，它試圖從空間數據中抽取隱含的空間模式和特徵。當前常用的空間數據挖掘技術有空間數據數理統計、聚類分析和規則發現等。
可視化是數據探索性分析的首要步驟，包括經典統計軟體如SPSS、SAS、Matlab中的散點圖、直方圖、葉莖圖等；GIS軟體方便了空間數據的可視化和操作，達到熟悉數據、清洗數據、提示變數和關係的目的。讀者可以方便地使用這些軟體進行空間數據可視化和初步的探索性分析，直接閱讀和操作這些軟體將比讀書更加快捷和容易掌握這些技術，所以本書不予專門介紹。聚類和規則發現將在本書其他章節予以介紹。本章將重點介紹經典統計學運用於空間數據探索的幾種方法：相關性分析、回歸分析、主成分分析以及地理探測器。
探索性空間分析一般作為空間分析的先導，進行數據清洗、篩選變數、提示模型選擇、檢驗假設等。實現手段是，利用一系列軟體，描述和顯示空間分布，識別非典型空間位置（空間表面），發現空間關聯模式，提出不同的空間結構及空間不穩定性的其他模式（Painho，1994）。空間數據挖掘是探索性空間分析的重要手段，它試圖從空間數據中抽取隱含的空間模式和特徵。當前常用的空間數據挖掘技術有空間數據數理統計、聚類分析和規則發現等。
可視化是數據探索性分析的首要步驟，包括經典統計軟體如SPSS、SAS、Matlab中的散點圖、直方圖、葉莖圖等；GIS軟體方便了空間數據的可視化和操作，達到熟悉數據、清洗數據、提示變數和關係的目的。讀者可以方便地使用這些軟體進行空間數據可視化和初步的探索性分析，直接閱讀和操作這些軟體將比讀書更加快捷和容易掌握這些技術，所以本書不予專門介紹。聚類和規則發現將在本書其他章節予以介紹。本章將重點介紹經典統計學運用於空間數據探索的幾種方法：相關性分析、回歸分析、主成分分析以及地理探測器。
序言
有空間坐標或相對位置的數據通稱為空間數據，如發病率在各社區、鄉村的分布，氣象台站監測的氣溫、降水、輻射，大氣污染分布，土壤重金屬含量在區域各抽樣點的數值，全國各省、直轄市、自治區的GDP，區域社會經濟調查（抽查或普查）數據，城市各路段的瞬時交通流量，遙感影像各像元的光譜值等。
統計學是數據描述、總結、推斷、預測分析的基本方法，大多數情況下要求樣本互相獨立、樣本大、多次重複。空間數據通常具有互相不獨立性、空間異質性、不可重複性。將經典統計學理論直接運用於空間數據，其結論將是有偏和非最優的。經過地理學家和數學家近50年的研究發展，現已形成了空間數據特有的分析理論。
拙著《空間分析》（王勁峰等，2006）一經出版，各書店和售書網站很快告罄；國內外的幾位地理信息科學著名學者給予了很好的評價；作者還被告知該書被劍橋大學地理系推薦為參考書；作者的欣慰還特別來自於該書讀者的評價，鞭策作者放下手頭繁重的科研工作，撰寫一本普及地理信息科學知識的關於空間分析的讀本。
一部成功的著作，不僅會被初學者視為深入淺出的入門教材，而且也會被該領域學者引用。其成功的秘訣可能在於用簡單的語言描述深刻複雜的問題本質，而不是用較多的數學公式作為主要語言。實際上，文字和數學是描述一個對象的兩種工具。對於複雜的問題，純粹用語言描述經常難以表達複雜的關係，顯得力不從心；而純粹用數學描述，不易被大多數讀者理解。真實世界的終極本質可能是簡單的和相互聯繫的，時間C、質量M和能量E分別處於三個互相垂直維度上的核心變數，竟然能夠被如此簡單的數學方程聯繫起來，反映了發現者深刻的洞察力，也揭示了“越本質，越簡單”這一真理，在某種意義上，“越複雜，越膚淺”。科學家的任務應當是將複雜留給自己，將簡單奉獻給他人。是否反映了問題的本質，讀者是否容易理解和可重複，是檢驗作者每一句話、每一個公式表達的重要標準。這是作者在寫作本書過程中始終銘記的。
統計學是數據描述、總結、推斷、預測分析的基本方法，大多數情況下要求樣本互相獨立、樣本大、多次重複。空間數據通常具有互相不獨立性、空間異質性、不可重複性。將經典統計學理論直接運用於空間數據，其結論將是有偏和非最優的。經過地理學家和數學家近50年的研究發展，現已形成了空間數據特有的分析理論。
拙著《空間分析》（王勁峰等，2006）一經出版，各書店和售書網站很快告罄；國內外的幾位地理信息科學著名學者給予了很好的評價；作者還被告知該書被劍橋大學地理系推薦為參考書；作者的欣慰還特別來自於該書讀者的評價，鞭策作者放下手頭繁重的科研工作，撰寫一本普及地理信息科學知識的關於空間分析的讀本。
一部成功的著作，不僅會被初學者視為深入淺出的入門教材，而且也會被該領域學者引用。其成功的秘訣可能在於用簡單的語言描述深刻複雜的問題本質，而不是用較多的數學公式作為主要語言。實際上，文字和數學是描述一個對象的兩種工具。對於複雜的問題，純粹用語言描述經常難以表達複雜的關係，顯得力不從心；而純粹用數學描述，不易被大多數讀者理解。真實世界的終極本質可能是簡單的和相互聯繫的，時間C、質量M和能量E分別處於三個互相垂直維度上的核心變數，竟然能夠被如此簡單的數學方程聯繫起來，反映了發現者深刻的洞察力，也揭示了“越本質，越簡單”這一真理，在某種意義上，“越複雜，越膚淺”。科學家的任務應當是將複雜留給自己，將簡單奉獻給他人。是否反映了問題的本質，讀者是否容易理解和可重複，是檢驗作者每一句話、每一個公式表達的重要標準。這是作者在寫作本書過程中始終銘記的。
