国家自然科学基金项目简介
领域知识驱动的空间聚类及其人工免疫优化算法研究
我校城市与环境科学学院教师牛继强博士2012年获批国家自然科学基金项目:领域知识驱动的空间聚类及其人工免疫优化算法研究,项目编号:41201387.
随着空间数据获取技术的发展以及手段的多样化,大量与空间位置相关的数据被收集,人们迫切需要强有力的数据分析工具来从这些数据中获取信息,于是空间数据挖掘应运而生,并成为一个热门的研究方向。将知识运用到数据挖掘中来提高数据挖掘的效率和质量已经开展了初步的研究。2007年召开的国际知识发现与数据挖掘(KDD’07)年会上,Graco正式提出了“知识驱动的数据挖掘(Knoeledge-driven data mining)”的概念;同年,Domingos在数据挖掘期刊《数据挖掘和知识发现(Data Mining and Knowledge Discovery)》上也提出了“富含知识的数据挖掘(Knoeledge-rich data mining)”的观点;彭怡(2008)认为目前国内外针对知识驱动或以知识获取为导向的数据挖掘研究主要集中在以下两个方面:一是基于本体论的数据挖掘方法与技术;二是结合领域知识的数据挖掘智能算法或系统。
空间聚类(Spatial Clustering)是空间数据挖掘的重要研究内容之一。在空间聚类问题中,带有非空间属性的空间聚类分析是目前空间聚类研究的热点和难点问题,现有的空间聚类主要是对非空间属性进行扩展或对空间变量进行扩展,没有从本质上改变其聚类目标和聚类准则,同时在算法设计上缺少对子类属性内聚性的约束。Witold Pedrycz(2005)认为基于知识指导的聚类分析是一条新的充满前景的道路。本项目拟在对领域知识的分类和结构化解析研究的基础上,构建领域知识驱动的空间聚类形式化描述;根据空间聚类的特点和聚类任务的要求,重点研究领域知识驱动下的空间聚类模型,并对克隆选择优化算法的改进,提出可以应用于空间聚类的混沌免疫克隆选择聚类算法;设计并开发原型系统,以典型的空间聚类问题——土地用途分区开展应用研究,验证模型的合理性和实用性。
课题主持人牛继强,2001年6月毕业于武汉大学资源与环境科学学院,获得理学学士学位;2005年9月进入武汉大学资源与环境科学学院攻读硕士学位,2006年11月通过遴选直接攻读博士学位,2010年6月获地图学与地理信息系统专业博士学位。2001年7月起在信阳师范学院城市与环境科学学院工作,先后任助教、讲师、副教授。河南省高等学校青年骨干教师、信阳师范学院青年骨干教师资助计划获得者。目前主要从事地理信息科学的教学与研究,主要研究方向为空间分析、空间数据挖掘、资源环境评价与规划。已在国内外期刊上发表学术论文30余篇,其中EI检索6篇。作为主要研究人员曾参与完成“863计划”、“科技支撑计划”2项,参与在研国家自然科学基金计划1项、省科技计划项目2项。目前正主持国家自然科学基金项目、省高等学校青年骨干教师资助计划项目、省教育厅自然科学计划项目、信阳师范学院青年骨干教师资助计划项目各1项。先后获省教育厅优秀论文一等奖、省自然科学优秀论文二等奖、市自然科学优秀论文一等奖各1项。
本刊编辑部