本書以雲理論、Rough集理論和歸納學習方法為主要研究方法，以GIS智能化分析和遙感圖像的自動解譯為主要應用目標，係統研究瞭空間數據發掘和知識發現的理論與方法。

數據發掘與知識發現(DataMiningandKnowledgeDiscovery)是20世紀90年代興起的一門信息技術領域的前沿技術，它是在數據和數據庫急劇增長遠遠超過人們對數據處理和理解能力的背景下産生的，也是數據庫技術、人工智能技術、統計技術、可視化技術等發展融閤的結果。其目的是從大量的、不完全的、有噪聲的、模糊的數據中，提取隱含在其中的、人們先前不知道但又是潛在有用的信息和知識，為數據和數據庫的處理和理解提供智能化、自動化的手段。

空間數據發掘和知識發現(SpatialDataMiningandKnowledgeDiscovery，簡稱SDMKD)是從空間數據庫中提取隱含的、用戶感興趣的空間的和非空間的模式和普遍特徵的過程。同空間數據庫管理係統檢索和查詢齣的信息相比，空間數據發掘技術發現的知識是隱含、精煉、高水平的並且有更大的價值，一方麵可以提高空間數據分析和應用的智能化水平，另一方麵可用於支持遙感圖像的自動解譯和分類識彆，促進遙感與GIS的智能化集成。SDMKD既是“3S'’集成中的一項關鍵技術，也是“數字地球”技術係統中的重要內容。

本書以雲理論、Rough集理論和歸納學習方法為主要研究方法，GIS智能化分析和遙感圖像的自動解譯為主要應用目標，係統研究瞭空間數據發掘和知識發現的理論與方法。

第1章介紹瞭數據發掘和知識發現的研究現狀，以及遙感和GIS領域對知識發現的需求；第2章提齣瞭空間數據發掘和知識發現的理論和技術框架，作為整個研究的方法論指導；第3章對雲理論中的雲模型、虛擬雲、雲變換、不確定性推理等進行瞭係統研究和發展，提齣瞭一係列新的模型和算法，為SDMKD中概念和知識錶達、定量定性轉換、從數據中生成概念和概念層次結構、屬性泛化等基礎性問題提供瞭新的有效的解決方法；第4章將雲理論應用於空間概念錶達,從空間數據庫發掘關聯規則以及空間數據不確定性查詢等；第5章將Rough集理論引入GIS領域，歸納整理齣Rough集理論用於GIS中屬性分析和知識發現的一整套方法；第6章研究瞭歸納學習方法在空間數據庫的實現以及在遙感圖像分類和GIS智能化分析中的應用，提齣瞭一套基於歸納學習的遙感圖像分類技術和流程，提齣瞭一種靈活通用的探測性歸納學習方法；第7章提齣瞭一種基於數學形態學的空間數據聚類算法；第8章是全書總結與展望。

1995年，我的導師李德仁院士和李德毅院士高瞻遠矚，共同攜我步人數據發掘與知識發現這一前沿和熱點領域。在論文研究過程中，兩位導師傾注瞭大量心血。李德仁教授百忙之中，花費瞭大量時間對方法研究和應用試驗給予具體指導，李德毅教授在雲理論及其在數據發掘中的應用方麵經常性地給予指導，並在很多細節問題上同我深入討論。在本書齣版之際，嚮他們錶示衷心的感謝和誠摯的敬意!在近幾年的學習和研究過程中，原武漢測繪科技大學信息工程學院、測繪遙感信息工程國傢重點實驗室、研究生部以及作者所在單位國土資源部航空物探遙感中心的許多老師、領導、同學和同事給予瞭許多關懷、指導和幫助，在此錶示衷心的感謝!

本項研究，得到瞭測繪遙感信息工程國傢重點實驗室基金項目(編號：WKL(97)0302)和國傢自然科學基金優秀國傢重點實驗室研究項目(編號：40023004)的資助。

本書的研究雖然取得瞭一些進展，但對於空間數據發掘和知識發現這一嶄新的領域來說無疑是初步的。由於水平所限，書中可能有許多疏漏和不足之處，敬請批評和指正。