隨著電腦科技技術(shù)快速的發(fā)展與大量空間資料的累積，以往的資料庫(kù)管理與資料分析方式已無法滿足GIS界應(yīng)用資料庫(kù)實(shí)務(wù)的需求，尤其是針對(duì)決策者而言，隨著資料倉(cāng)儲(chǔ)與資料挖掘之概念與技術(shù)發(fā)展，除了一般屬性資料庫(kù)的應(yīng)用外，更已延伸至空間資料庫(kù)方面，對(duì)於資料之管理與認(rèn)知來相當(dāng)大的衝擊。雖然此觀念在空間資料的應(yīng)用尚在萌芽階段，但對(duì)於一般屬性資料庫(kù)而言，已有具體之成效。本章從一般的資料倉(cāng)儲(chǔ)與資料挖掘概念談起，漸導(dǎo)入空間資料庫(kù)，並以具體的應(yīng)用範(fàn)例來說明其實(shí)現(xiàn)的方式。資料倉(cāng)儲(chǔ)與資料挖掘之觀念與

應(yīng)用導(dǎo)入GIS31隨著電腦科技技術(shù)快速的發(fā)展與大量空間資料的累積1.詮釋資料缺乏與重複建置2.坐標(biāo)系統(tǒng)不一致3.資料版本處理問題4.資料融合問題5.資料格式不同6.資料語義不同空間資料倉(cāng)儲(chǔ)建置方面，會(huì)遭遇下列問題：21.詮釋資料缺乏與重複建置空間資料倉(cāng)儲(chǔ)建置方面，會(huì)遭遇下列圖3.1

異動(dòng)前資料

圖3.2異動(dòng)後資料圖3.3

不同資料精度融合狀況3圖3.1異動(dòng)前資料圖3.2異動(dòng)後資料圖3.3圖3.4空間資料倉(cāng)儲(chǔ)之架構(gòu)4圖3.4空間資料倉(cāng)儲(chǔ)之架構(gòu)4圖3.5星狀模式架構(gòu)圖5圖3.5星狀模式架構(gòu)圖5圖3.6多維矩陣式資料庫(kù)示意圖6圖3.6多維矩陣式資料庫(kù)示意圖6一、分類(Classification)二、推估(Estimation)三、預(yù)測(cè)(Prediction)四、關(guān)聯(lián)分組(AffinityGrouping)五、群集化(Clustering)六、描述(Description)資料挖掘，其挖掘之目的可分為：7一、分類(Classification)資料挖掘，其挖掘之資料挖掘，其挖掘之方法：一、購(gòu)物籃分析(MarketBasketAnalysis)二、記憶基礎(chǔ)理解(Memory-basedreasoning;MBR)三、群集偵測(cè)(ClusterAnalysis)四、連結(jié)分析(LinkageAnalysis)五、決策樹(DecisionTree)六、類神經(jīng)網(wǎng)路(NeuralNetwork)七、基因演算法(GeneticAlgorithms)八、線上分析(OnlineAnalysisProcessing;OLAP)8資料挖掘，其挖掘之方法：一、購(gòu)物籃分析(MarketB空間資料挖掘技術(shù)可挖掘的知識(shí)類型包括：一、普遍的幾何知識(shí)(GeneralGeometricKnowledge)二、空間分布規(guī)律（SpatialDistributionRegulation）三、空間關(guān)聯(lián)規(guī)則（SpataialAssociationRules）四、空間分類/群組規(guī)則（SpataialClassification/ClusteringRules）四、空間特徵規(guī)則（SpataialCharacteristicRules）六、空間區(qū)分規(guī)則（SpataialDiscriminateRules）七、空間演變規(guī)則（SpataialEvolutionRules）八、物件導(dǎo)向的知識(shí)（ObjectOrientedKnowledge）

9空間資料挖掘技術(shù)可挖掘的知識(shí)類型包括：一、普遍的幾何知識(shí)(空間資料挖掘之方法一、空間鄰近關(guān)係(Spatialneighborhoodrelations,Spatialneighborhoodgraphs)二、空間群組(SpatialClustering)三、空間特徵描述(SpatialCharacterization)四、空間趨勢(shì)偵測(cè)(SpatialTrendDetection)五、空間分類(SpatialClassification)六、簡(jiǎn)括化和歸納的方法(GeneralizationandInduction)七、粗糙集(RoughSet)八、視覺化展示(Visualization)九、雲(yún)理論(CloudTheory)10空間資料挖掘之方法一、空間鄰近關(guān)係(Spatialnei十、圖像分析和型態(tài)辨識(shí)(ImageAnalysisandPatternRecognition)十一、類神經(jīng)網(wǎng)路(NeuralNetwork)十二、證據(jù)理論(EvidenceTheory)十三、模糊集(FuzzySets)十四、基因演算法（GeneticAlgorithms）11十、圖像分析和型態(tài)辨識(shí)(ImageAnalysis圖3.7三維建物圖12圖3.7三維建物圖12空間資料挖掘之應(yīng)用範(fàn)例一、環(huán)境規(guī)劃和二級(jí)土壤鹽簡(jiǎn)化監(jiān)測(cè)的關(guān)聯(lián)規(guī)則(Eklund、Kirkby、Salim,1998)二、溼地分類(HuangandJensen,1997)三、銀行經(jīng)營(yíng)收益與區(qū)位選址(邸凱昌,2001)四、不同地區(qū)農(nóng)業(yè)產(chǎn)量差異分析(沙宗、馥苓、陳江平,2002)五、空間資料倉(cāng)儲(chǔ)與空間資料挖掘技術(shù)落實(shí)於九二一大地震建物震害分析13空間資料挖掘之應(yīng)用範(fàn)例一、環(huán)境規(guī)劃和二級(jí)土壤鹽簡(jiǎn)化監(jiān)測(cè)的關(guān)圖3.8921震災(zāi)受損建物空間資料倉(cāng)儲(chǔ)架構(gòu)14圖3.8921震災(zāi)受損建物空間資料倉(cāng)儲(chǔ)架構(gòu)14

隨著電腦科技技術(shù)快速的發(fā)展與大量空間資料的累積，以往的資料庫(kù)管理與資料分析方式已無法滿足GIS界應(yīng)用資料庫(kù)實(shí)務(wù)的需求，尤其是針對(duì)決策者而言，隨著資料倉(cāng)儲(chǔ)與資料挖掘之概念與技術(shù)發(fā)展，除了一般屬性資料庫(kù)的應(yīng)用外，更已延伸至空間資料庫(kù)方面，對(duì)於資料之管理與認(rèn)知來相當(dāng)大的衝擊。雖然此觀念在空間資料的應(yīng)用尚在萌芽階段，但對(duì)於一般屬性資料庫(kù)而言，已有具體之成效。本章從一般的資料倉(cāng)儲(chǔ)與資料挖掘概念談起，漸導(dǎo)入空間資料庫(kù)，並以具體的應(yīng)用範(fàn)例來說明其實(shí)現(xiàn)的方式。資料倉(cāng)儲(chǔ)與資料挖掘之觀念與

應(yīng)用導(dǎo)入GIS315隨著電腦科技技術(shù)快速的發(fā)展與大量空間資料的累積1.詮釋資料缺乏與重複建置2.坐標(biāo)系統(tǒng)不一致3.資料版本處理問題4.資料融合問題5.資料格式不同6.資料語義不同空間資料倉(cāng)儲(chǔ)建置方面，會(huì)遭遇下列問題：161.詮釋資料缺乏與重複建置空間資料倉(cāng)儲(chǔ)建置方面，會(huì)遭遇下列圖3.1

異動(dòng)前資料

圖3.2異動(dòng)後資料圖3.3

不同資料精度融合狀況17圖3.1異動(dòng)前資料圖3.2異動(dòng)後資料圖3.3圖3.4空間資料倉(cāng)儲(chǔ)之架構(gòu)18圖3.4空間資料倉(cāng)儲(chǔ)之架構(gòu)4圖3.5星狀模式架構(gòu)圖19圖3.5星狀模式架構(gòu)圖5圖3.6多維矩陣式資料庫(kù)示意圖20圖3.6多維矩陣式資料庫(kù)示意圖6一、分類(Classification)二、推估(Estimation)三、預(yù)測(cè)(Prediction)四、關(guān)聯(lián)分組(AffinityGrouping)五、群集化(Clustering)六、描述(Description)資料挖掘，其挖掘之目的可分為：21一、分類(Classification)資料挖掘，其挖掘之資料挖掘，其挖掘之方法：一、購(gòu)物籃分析(MarketBasketAnalysis)二、記憶基礎(chǔ)理解(Memory-basedreasoning;MBR)三、群集偵測(cè)(ClusterAnalysis)四、連結(jié)分析(LinkageAnalysis)五、決策樹(DecisionTree)六、類神經(jīng)網(wǎng)路(NeuralNetwork)七、基因演算法(GeneticAlgorithms)八、線上分析(OnlineAnalysisProcessing;OLAP)22資料挖掘，其挖掘之方法：一、購(gòu)物籃分析(MarketB空間資料挖掘技術(shù)可挖掘的知識(shí)類型包括：一、普遍的幾何知識(shí)(GeneralGeometricKnowledge)二、空間分布規(guī)律（SpatialDistributionRegulation）三、空間關(guān)聯(lián)規(guī)則（SpataialAssociationRules）四、空間分類/群組規(guī)則（SpataialClassification/ClusteringRules）四、空間特徵規(guī)則（SpataialCharacteristicRules）六、空間區(qū)分規(guī)則（SpataialDiscriminateRules）七、空間演變規(guī)則（SpataialEvolutionRules）八、物件導(dǎo)向的知識(shí)（ObjectOrientedKnowledge）

23空間資料挖掘技術(shù)可挖掘的知識(shí)類型包括：一、普遍的幾何知識(shí)(空間資料挖掘之方法一、空間鄰近關(guān)係(Spatialneighborhoodrelations,Spatialneighborhoodgraphs)二、空間群組(SpatialClustering)三、空間特徵描述(SpatialCharacterization)四、空間趨勢(shì)偵測(cè)(SpatialTrendDetection)五、空間分類(SpatialClassification)六、簡(jiǎn)括化和歸納的方法(GeneralizationandInduction)七、粗糙集(RoughSet)八、視覺化展示(Visualization)九、雲(yún)理論(CloudTheory)24空間資料挖掘之方法一、空間鄰近關(guān)係(Spatialnei十、圖像分析和型態(tài)辨識(shí)(ImageAnalysisandPatternRecognition)十一、類神經(jīng)網(wǎng)路(NeuralNetwork)十二、證據(jù)理論(EvidenceTheory)十三、模糊集(FuzzySets)十四、基因演算法（GeneticAlgorithms）25十、圖像分析和型態(tài)辨識(shí)(ImageAnalysis圖3.7三維建物圖26圖3.7三維建物圖12空間資料挖掘之應(yīng)用範(fàn)例一、環(huán)境規(guī)劃和二級(jí)土壤鹽簡(jiǎn)化監(jiān)測(cè)的關(guān)聯(lián)規(guī)則(Eklund、Kirkby、