《空間數據挖掘的數據各向異性研究》是依託武漢大學，由王樹良擔任項目負責人的面上項目。
基本介紹
- 中文名：空間數據挖掘的數據各向異性研究
- 項目類別：面上項目
- 項目負責人：王樹良
- 依託單位：武漢大學
項目摘要,結題摘要,
項目摘要
研究目標：在數據深度上揭示空間數據挖掘的各向異性本質和機理，在較深層次上探索空間數據挖掘的基礎問題及其解決方法。.研究內容：立足空間數據的各向異性，根據空間數據挖掘隨需而變、協同應變的特徵，利用空間數據挖掘視角，以劃分空間數據樣本空間構建子空間的網路拓撲，把各向同性的數據場擴展為各向異性的廣義數據場，把空間數據作用從局部樣本向全局母體作各向異性擴散，突破空間數據的局部限制，對空間數據挖掘做新的物理解譯與數學建模。.研究意義：各向異性是空間對象的一般共性，能夠在基礎理論深處促進空間數據挖掘的研究和套用。
結題摘要
各向異性是空間對象的一般共性，能夠在基礎理論深處促進空間數據挖掘的研究和套用。本項目基於研究計畫書順利展開工作，不僅圓滿完成了既定內涵任務，而且取得了任務以外的外延成果。 本項目提出了面向各向異性的空間數據挖掘形式化理論，主要取得了挖掘視角、數據場、廣義數據場等原創性成果。通過數據挖掘視角填補了原始數據和套用需求之間的鴻溝，解決空間數據的挖掘差異問題；通過數據場填補了數據模型和認知模型之間的鴻溝，解決數據對象的相互作用問題；通過廣義數據場填補了各向同性和各向異性之間的鴻溝，解決大數據挖掘的普適性問題。在此基礎上，進一步提出了基於數據場的層次聚類法，影像分割法和極限學習機，成功套用在特徵選擇、目標提取、蛋白質標定、複雜網路社區發現和滑坡預報預警等領域。 研究成果揭示了空間數據挖掘的各向異性的本質和機理，在較深層次上探索了空間數據挖掘的基礎問題及其解決方法。解決了Science (2014, 344, 1492-1496)的閾值瓶頸，改進了Science (2011, 334: 1518-1524)的算法性能，被認為“數據場的意義可比為物理學中的場”。 發明技術專利申請7項，授權5項。獲國家軟體著作權2項。出版專著2本(一本中文獲國家出版基金，是國家“十二五”重點規劃圖書；一本英文由Springer出版)、編著教材1本（獲IBM 基金資助，工信部“十二五”規劃教材，普通高等教育軟體工程“十二五”規劃教材）。論文集1本。發表學術期刊論文30篇、國際學術會議論文9篇。SCI收錄15篇，EI收錄27篇（與SCI有重複收錄）、ISTP收錄9篇。 獲得the Fifth Annual InfoSci®-Journals Excellence in Research Awards、IEEE GrC Outstanding Contribution Award、第五屆中華優秀出版物獎圖書獎、第五屆吳文俊人工智慧科學技術獎創新獎二等獎、IBM中國優秀教師獎教金。應國際期刊IJDWM、WIREsDMKD等主編之邀撰寫空間大數據挖掘的前瞻綜述文章。 培養教授1名，副教授2名；培養博士研究生畢業4名，在讀6名；培養碩士研究生12名，在讀3名。
