空间数据挖掘的数据各向异性研究

研究目标：在数据深度上揭示空间数据挖掘的各向异性本质和机理，在较深层次上探索空间数据挖掘的基础问题及其解决方法。.研究内容：立足空间数据的各向异性，根据空间数据挖掘随需而变、协同应变的特征，利用空间数据挖掘视角，以划分空间数据样本空间构建子空间的网络拓扑，把各向同性的数据场扩展为各向异性的广义数据场，把空间数据作用从局部样本向全局母体作各向异性扩散，突破空间数据的局部限制，对空间数据挖掘做新的物理解译与数学建模。.研究意义：各向异性是空间对象的一般共性，能够在基础理论深处促进空间数据挖掘的研究和应用。

各向异性是空间对象的一般共性，能够在基础理论深处促进空间数据挖掘的研究和应用。本项目基于研究计划书顺利展开工作，不仅圆满完成了既定内涵任务，而且取得了任务以外的外延成果。.本项目提出了面向各向异性的空间数据挖掘形式化理论，主要取得了挖掘视角、数据场、广义数据场等原创性成果。通过数据挖掘视角填补了原始数据和应用需求之间的鸿沟，解决空间数据的挖掘差异问题；通过数据场填补了数据模型和认知模型之间的鸿沟，解决数据对象的相互作用问题；通过广义数据场填补了各向同性和各向异性之间的鸿沟，解决大数据挖掘的普适性问题。在此基础上，进一步提出了基于数据场的层次聚类法，影像分割法和极限学习机，成功应用在特征选择、目标提取、蛋白质标定、复杂网络社区发现和滑坡预报预警等领域。.研究成果揭示了空间数据挖掘的各向异性的本质和机理，在较深层次上探索了空间数据挖掘的基础问题及其解决方法。解决了Science (2014, 344, 1492-1496)的阈值瓶颈，改进了Science (2011, 334: 1518-1524)的算法性能，被认为“数据场的意义可比为物理学中的场”。.发明技术专利申请7项，授权5项。获国家软件著作权2项。出版专著2本(一本中文获国家出版基金，是国家“十二五”重点规划图书；一本英文由Springer出版)、编著教材1本（获IBM 基金资助，工信部“十二五”规划教材，普通高等教育软件工程“十二五”规划教材）。论文集1本。发表学术期刊论文30篇、国际学术会议论文9篇。SCI收录15篇，EI收录27篇（与SCI有重复收录）、ISTP收录9篇。.获得the Fifth Annual InfoSci®-Journals Excellence in Research Awards、IEEE GrC Outstanding Contribution Award、第五届中华优秀出版物奖图书奖、第五届吴文俊人工智能科学技术奖创新奖二等奖、IBM中国优秀教师奖教金。应国际期刊IJDWM、WIREsDMKD等主编之邀撰写空间大数据挖掘的前瞻综述文章。.培养教授1名，副教授2名；培养博士研究生毕业4名，在读6名；培养硕士研究生12名，在读3名。