如何用软件自动提取工区内的地物

㈠ 南方CASS如何提取高程点

cass中提取高程点的方法如下：

1、单击菜单“工程应用”，选择“指定点生成数据文件”，弹出“输入坐标数据文件名”，选择提取的数据保存的文件位置和名称。

2、点击确定后，点击要提取高程的位置，命令行中会提示输入“地物代码”，点击回车键至命令行提示“指定点是继续下一个点的提取”即可。

3、提取的高程点数据会自动保存在文件中。

高程点分布表达上具有丰富的上下文特征，除个体高程属性上的差异外，一方面与重要地形特征单元（如山峰、鞍部及山谷等）、河流、道路等自然或人文要素目标间的分布关系，使得个体高程点在地理性质上具有不同的重要性意义。

另一方面区域地形的起伏变化，使得高程点群在空间分布上呈现不同的疏密关系。

定义

群点选取一直是地图综合领域的研究热点，一方面大量的地理现象表达上以群点形式呈现，如高程点、散列式居民地、成群分布的小岛屿群或湖泊群等，选取是主要的综合措施。

另一方面群点分布上的多尺度表达也是空间分析、数据挖掘等其他领域感兴趣的内容。

㈡ CASS软件参数设置。如题 谢谢了

[原创]南方CASS5.1使用注意事项（续）wusuzhou1976 2006-4-27 17:04[原创]南方CASS5.1使用注意事项（续）[hide][/hide]21、绘制地籍图 地籍部分的核心是带有宗地属性的界址线，生成界址线有两种方法：可以直接用手工方法绘制，也可以通过生成权属信息数据文件后再利用此文件来绘制。数字地籍图（包括权属图、宗地图、地籍表格）的绘制。22将鼠标移至“绘图处理”菜单项，按左键，选择“改变当前图形比例尺”功能，命令区提示，当前比例尺为 1: 500 输入新比例尺 1:输入要求转换的比例尺，例如输入1000。这时屏幕显示的STUDY.DWG图就转变为1：1000的比例尺，各种地物包括注记、填充符号都已按1：1000的图示要求进行转变。23在CASS4.0软件下侧信息栏显示的坐标和测量坐标是相反的，即CASS4.0系统上前面的数为Y坐标（东方向），后面的数为X坐标（北方向）。24自己定制宗地图框。首先需要新建一幅图，按自己的要求绘制一个合适的宗地图框，并在C:\CASS40\BLOCKS目录下保存为合适的图名。然后在“文件”下拉菜单下的“CASS4.0参数配置”的“地籍权属”组里更改自定义宗地图框里的内容。将图框文件名改为所定义的文件名，设置文字大小和图幅尺寸，输入宗地号、权利人、图幅号各种注记相对于图框左下角的坐标，将地籍权属的参数配置设置好后，就可以使用“绘图处理”下拉菜单中的“宗地图框（可缩放图）”的“自定义”功能，此菜单下又分为“单块宗地”和“批量处理”两种。依此操作即可加入自定义的宗地图框。25、 使用系统在野外作业所需的器材：1．安装好CASS软件的便携计算机一台；2．全站仪一套﹙主机、三角架、棱镜和对中杆若干﹚；3．数据传输电缆一条；4．对讲机若干。人员安排：根据电子平板作业的特点，一个作业小组的人员通常可以这样配备：测站处观测员、计算机操作员各一名，跑尺员一至两名。根据实际情况，为了加快采集速度，跑尺员可以适当增加；遇到人员不足的情况，测站上可只留一个人，同时进行观测和计算机操作。出发前准备：录入测区的已知坐标，完成测区的各种等级控制测量，并得到测区的控制点成果后，便可以向系统录入测区的控制点坐标数据，以便野外进行测图时调用。26、录入测区的控制点坐标数据可以按以下步骤操作：1．首先移动鼠标至屏幕顶部菜单“编辑”处按左键，系统便弹出一个下拉菜单。2．再移动鼠标在下拉菜单中选择“编辑文本”项按左键，这时，命令区显示：File to edit: 操作：输入控制点坐标数据文件名；如果没有此文件，自己根据提示新建一个。注意不要冲掉已有文件。格式如下：总点数N1点点名，1点编码，1点Y﹙东﹚坐标，1点X﹙北﹚坐标，1点高程 …N点点名，N点编码，N点Y﹙东﹚坐标，N点X﹙北﹚坐标，N点高程有关说明如下：①文件内除第一行总点数外，每个点占一行；②编码可输可不输；即使编码为空，其后的逗号也不能省略。③每个点的Y坐标、X坐标、高程的单位是米；④文件中间不能有空行。27、CASSCAN是南方测绘仪器公司开发的新一代扫描矢量化软件。此软件基于AutoCAD的Overlay平台，充分利用Overlay对栅格图象的处理优势，结合了CASS成图软件方便灵活对地形地物处理的特点，对拥有CASS软件的用户，因为已经熟悉了AutoCAD和CASS的操作，故极易上手。而随着扫描仪的迅速发展，整套配备的价格较低，是对于测绘单位非常实用的老图数字化软件。CASS软件自动地将各种地物地貌归到各个不同的层，在描图时只要用定标器点取各种绘图功能（如房屋、道路、电力线、等高线、陡坎等），CASS软件会自动地切换至各个相应的层，然后根据图纸上的地物或地貌逐个输入。对于直线形的地物地貌如房屋、电线等只需用定标器点取它的端点即可，而对于曲线形的地物地貌如陡坎、等高线等则要用定标器密集地沿着地貌曲线取点采样，采样的密度视曲线的曲缓而定，曲折的采点密一些，舒缓的则可以开一些，但要注意对于那些较为明显的特征点不要漏掉。通过图板菜单上的“屏幕菜单”和“返回图板”功能可以进行屏幕工作方式和图板工作方式的切换，在屏幕工作方式时可以应用CA

㈢ 遥感信息自动提取技术

遥感的根本目的是为了从图像上提取信息、获取知识 ( 明冬萍等，2005) 。从卫星遥感图像中提取土地利用等信息的方法可以归纳为三种类型: 一是由计算机自动完成，主要以光谱数据提取与土地利用相关的特征参数，设计相应的分类模型，达到分类的目的 ( PGong，1992，J R Baber at el，1991) ; 二是人工目视解译方法，运用专家知识实施综合解译; 三则是人机相互结合的交互式解译方法，由此提高解译的效率和精度 ( 赵庚星、窦益湘，2001) 。由计算机自动完成的遥感信息自动提取是遥感应用领域一个重点的研究和发展方向，目前国内外在该技术的研究和探讨仅局限在某一小的区域，虽然也有很多的技术方案和算法，但离实际的生产需求仍有很大差距。遥感信息的提取精度问题一直是困扰遥感信息自动提取进行应用推广的技术瓶颈，主要表现在两个方面: 一是遥感信息本身的同谱异物和同物异谱现象，以及待提取地物单元在数字遥感影像上色调、纹理、形态上的复杂性，这给信息自动提取带来了很大的困难; 二是当前遥感信息自动提取技术还大多停留在试验阶段，算法以及参数设置等都不成熟，可操作性太差。所以，要将信息自动提取技术应用于生产实际确实面临许多技术上的难点。

以上提到的信息自动提取技术应用到实际生产中存在着很多困难，但针对特定的区域，如果能采用比较切合实际的严密的提取算法，仍然可以达到实际生产应用的需求。塔里木河流域地域宽广，地势较平坦，地物类型相对单一，所要提取的耕地、林地、天然草地、沙漠等地类影像特征清晰，且空间分布规律明显。这在我国其他地区是不多见的，尤其是在我国的东南、西南地区，植被覆盖多，地类混杂，有很多地类人工目视解译都很难区分。所以，在塔里木河流域进行信息自动提取具有得天独厚的优势。

遥感信息提取的精度决定了整个塔里木河流域生态动态监测与分析的效率，本系统采用了多种技术手段保证了遥感信息自动提取以及修编后的精度，包括图像自动提取算法设计、图像处理一致性、解译参考完整性、人工修编规范性等方面。从信息自动提取算法的角度讲，算法要求严密、先进，但必须具有通用性。综合国内外相关信息提取算法，再结合塔里木河流域地物特征，采用了分级分类的分类思想。所谓分级分类，就是按照级别来一级一级划分，对于一个待分类的遥感影像，首先可以区分为两个大类: 植被类与非植被类，或是水体类与非水体类; 而后在下一级再考虑在植被类里面划分林地、灌木、草地、农田等。这样分类看似简单，却合乎我们通常的认知过程，可以避免一些大的类别上的划分错误，同时可以缩小划分某一地类时的考虑范围，大大提高了分类的精度。对于最低一级的类型划分，采用监督分类的思想，依据知识库中所建立的对应地类的解译标志、地物样方、地物光谱等之间的对应关系，选择对应地类的样方信息。最后再经过主要/次要分析、集群分析等分类后处理得到某一专题的自动提取结果。针对植被覆盖度、植被类型、土地沙质荒漠化、土壤盐渍化和土地利用 5 个生态环境专题各自不同的特征，建立了 5 个专题的信息自动提取流程。

㈣ excel中如何实现数据自动提取

问题没太了解。是不是这样的：

例：
一个Excel工作薄中有两个表“Sheet1”和“Sheet2”；当在“Sheet2”中的A1单元格中输入项目名称后，由表“Sheet1”的B1单元格显示相同的名称；其表“Sheet1”中的B1单元格是对“Sheet2”中A1单元格的引用，其公式应为“＝Sheet2!A1"。

㈤ excel如何从一个表格中提取想要的数据

excel如何从一个表格中提取想要的数据

excel如何从一个表格中提取想要的数据，Excel是我们在工作中最经常用到的办公软件。大家喜欢在Excel表格中储存很多数据，但有时候只需要提取表格里的一部分数据，那么excel如何从一个表格中提取想要的数据呢？

excel如何从一个表格中提取想要的数据1

首先打开电脑，下载安装办公软件，这里以Excel2013为例，如图

安装完成后我们双击图标打开，在其左侧点击“新建”

接着选择表格的图标，点击下方的“创建新建空白表格”

在空白的表格中输入一些自己想要的数据，如图

接着选中需要找到的数据，在“开始”选项卡下找到“条件格式”，如图

然后点开“条件格式”，选择“突出显示单元格规则”下的“小于”，如图

然后在“小于”窗口，填入我们需要筛选的条件，再选择颜色，点击确定，如图

回到表格，我们看到我们需要的数据一目了然，如图

excel如何从一个表格中提取想要的数据2

如何在Excel表中提取想要的数据

一、公式提取法

EXCEL中，提取数据的常用函数有3个，Left、Right、Mid函数，函数解析和语法格式等如下：

二、快速填充法

它是EXCEL2013以上版本的中一个新功能。运用快速填充时，首先直接输入一组到三组数据，让Excel自动识别你的意图，再进行快速填充。运用快速填充功能，不仅能单元格内提取不规则的.姓名，还可以提取数字、英文等。快速填充的方式有3种：

1、单击“数据”选项卡 > 在“数据工具”组中 > 单击“快速填充”；

2、用快捷键Ctrl+E；

3、选中示例单元格，拖动填充柄往下填充，然后在“自动填充”选项中选择“快速填充”；

案例演示：

三、用自定义函数myget

函数有两参数，=myget(①从哪提取，②提取什么)

=myget(字符串,0) 取出数字

=myget(字符串,1) 取出中文字符

=myget(字符串,2) 取出英文字母

=myget(字符串,3) 取出特殊字符

=myget(字符串,4) 取出第一个数字的位置

=myget(字符串,5) 取出最后一个数字的位置

如果只要提取数字，只要将第2个参数设为0即可

方法步骤：

首先导入自定义函数的模板文件，点开发工具→VBA或都按ALT+F11 调出VBA 编辑器 →在工程窗口右键选择【导入文件】→选择VBA 模块文件（提取中文、英文和数字自定义函数myget.bas）→关闭VBA 编辑器。然后再输入公式即可。

excel如何从一个表格中提取想要的数据3

如何从excel中提取需要的部分内容

1、A列中都是四字成语，从中提取中间两位。

2、输入mid函数引导的公式=mid(A2,2,2)。

3、按下Enter键结束公式输入。

4、往下填充公式，即提取了数据，如下图所示。

5、快速填充法：

现在第一个单元格中输入要提取的数据。

6、然后点击“数据”中的“快速填充”。

7、这样，就完成了部分数据的提取。

㈥ EXCEL如何自动获取其他工作表中固定单元格内的信息

看来你对数据库比较熟悉，其实Excel也提供了类似于Access数据库软件的一些功能，利用好这个技巧，就可以轻松处理好你的问题了~ ~ ~ ~ ~
步骤如下：
一 建立一个数据库
当完成了对一个数据库的结构设计后，就可以在工作表中建立它了。首先在工作表的首行依次输入各个字段：员工姓名、地区、日期、产品名称、销售数量、销售金额、销售金额，如图12-1所示。当我们输入完字段后，就可以在工作表中按照记录输入数据了。

提示：字段名放在工作表的某一行的各相邻单元中。也可以为字段名和尚未建立的数据库记录建立一个格式。格式只是使数据库容易理解，并不影响Excel对数据库进行操作。
二 输入数据
要加入数据至所规定的数据库内,有两种方法,一种是直接键入数据至单元格内, 一种是利用“记录单”输入数据。使用“记录单”是经常使用的方法，其操作步骤如下：
（1）在想加入记录的数据清单中选中任一个单元格。
（2） 从“数据”菜单中选择“记录单”命令。屏幕上会出现一个如图12-2的对话框，选择“确定”按钮。

[ 提示 ] 在各个字段中输入新记录的值。要移动到下一个域中，按〔Tab〕键。当你输完所有的记录内容后，按[Enter]键即可加入一条记录。如此重复加入更多的记录，当你加完所有记录后，选择“关闭”按钮。我们就会看到在清单底部加入了新增的记录。

我们也可以直接插入记录到数据库中，首先在现有记录的中间插入空的单元格，然后键入记录数据；原来所输入的数据库内容会自动下移。要插入记录到现有的数据库中，可按照下列步骤执行：
1 选定要插入记录的单元格。在“插入”菜单中选择“单元格”命令，在屏幕上出现一个对话框。
2 选择“整行”，按下“确定”按钮，我们就可以看到插入的单元格。输入记录内容到单元格中。
三 编辑记录
对于数据库中的记录，我们可以采用在相应的单元格上进行编辑，也可以对记录单进行编辑，其操作过程如下：
(1) 选择数据清单中的任一单元格。
(2) 从“数据”菜单中选择“记录单”命令，出现一个记录单对话框。
(3) 查找并显示出要修改数据的记录。编辑该记录的内容。(4) 选择“关闭”按钮退出。
四 删除一条记录
对于数据库中不再需要的记录，我们可以使用“删除”命令将其从数据库中删除。使用记录单删除一条记录的操作步骤如下：
(1) 选择数据清单中的任一单元格。从“数据”菜单中选择“记录单”命令。出现一个记录单对话框。
(2) 查找并显示出要删除的记录。选择“删除”按钮，出现一个如图12-5的确认对话框。
(3) 回答确认信息。按下“确定”按钮。

注意：当我们使用数据记录单来删除数据时，不能通过“恢复”按钮或“取消”命令来恢复数据。

㈦ 集成系统支持下的信息提取

（一）GIS支持下的遥感图像处理

GIS常常与遥感图像处理手段结合起来使用，更有效的增强与提取遥感信息。这主要表现在两个方面。

一方面是GIS作为重要的辅助手段用于遥感影像的目视解译，以提高解译精度。具体做法是将那些有助于图像解译的矢量专题图层（比如地质图、地形图、土地利用图及植被覆盖、水系发育等等）与待解译的影像叠加显示，前提是这些矢量图层必须先与影像进行过坐标配准，具有统一的坐标。这可以用于人机交互的影像解译，直接在屏幕上画出影像解译结果，还可用于在影像的监督分类前进行选取正确的训练样区以便提高分类精度。在这方面的应用中，同时还要注意这些专题图层与影像的时间差，比如植被覆盖与时相的相关性很大，另外如果时间相差较长，要充分考虑到一些客观条件上的变化，如土地利用类型、建筑物、道路等的变化。

GIS与遥感图像处理结合应用的另一方面表现在：在GIS技术支持下，地学及其他知识直接参与遥感图像的处理中，比如遥感图像的分类中可以将DEM、NDVI等知识直接作为遥感影像的新增波段，与其他波段一起进行分类，这样分类结果中就将反映出这些专题信息的分布。还比如专家系统的应用也是GIS与遥感技术结合应用的成果。

（二）GIS支持下的专题信息提取

1.遥感专题信息提取方法研究的发展

遥感专题信息提取（thematic information extraction）是从遥感影像资料中获取某种特定地物特征的信息，其目的是区别图像中所含的专题目标。分类也是一种专题信息提取的方法，但专题信息提取和一般意义上的遥感图像分类有所不同，先定目标，然后有意识地专门面向对象进行识别，而分类是就图像中即有的像元给予类别的归属与划分。它的方法随着遥感技术的改进及遥感应用的深入也在不断地改进，经历了目视解译、自动分类、光谱特性的信息提取及光谱与空间特征的信息提取等多个阶段。

目视解译是最初的图像识别方式。现在的图像识别沿着两个方向发展，一是由计算机的出现带来的信息识别自动化，二是沿着遥感信息传输的本质而探寻信息识别的高精度。它们没有严格的界限，随着各自的发展而相互渗透。现有的计算机自动分类方法，都只是利用了图像数据，没有自动加入其他方面，如地学的知识，没有充分利用人脑在分析图像时所应用的知识，因此不会达到很高的精度。基于知识及专家系统的分类对分类的精度有所改善。同样，专题信息提取的最初是分析特定目标的光谱特征，形成规则，对图像进行操作。计算机领域中人工智能的出现使基于知识或信息的专题信息提取成为可能。遥感成像是从多到少的映射，是个确定过程，影像解译是从少到多的映射，是个不确定过程。因此在遥感解译时，包含一个重要的地学处理过程，它包括两个方面，一是把遥感未带回的信息再补上去，即补充地学相关信息，二是根据影像信息进行地学分析，来推断出影像上未反映的信息，这都需要地学知识强有力的支持。如何把地学专家用于目视解译的知识定量化表达，让它来参与计算机处理，从根本上实现知识参与的自动提取，这是目前专题信息自动提取研究的焦点问题。

计算机自动分类前，先对训练区进行训练，实际上是一个统计的过程。这个统计过程只是就这幅图像而言。然后利用统计结果进行回归，建立一个基本适于该图像的类别确定模型。专题信息提取时，一般是先有一套遥感信息模型，而后根据具体图像的实际情况来不断地修改，实质是对模型参数的调整，最终使模型适用于该影像。遥感信息模型是在现有地面实验基础上提炼出来的地物的反演模型，而地物在卫星图像上的反映并非与地面实测数据一一对应，原因很多，使图像数据具有很大的随机性，这就又涉及到光谱辐射校正的问题。因此，需要把遥感信息理论和实际图幅影像有效地结合在一起来进行专题信息的提取。

2.遥感地质专题信息提取

当今，遥感卫星“群星闪烁”，遥感数据空前丰富，然而，遥感信息被利用的比率却极低。其原因是我们缺少遥感专题信息提取的方法和模型。相对与土地利用/土地覆盖遥感信息提取来说，遥感地质信息提取的难度更大些。概括地说，遥感信息提取的方式主要有3种：目视判读提取、基于分类的信息提取和基于知识发现的遥感信息提取。遥感地质专题信息提取的方式也不外乎这三种。

（1）目视判读提取

早期从遥感影像中提取信息的主要方法是目视判读提取。由于目视判读能综合利用地物的色调或色彩、形状、大小、阴影、纹理、图案、位置和布局等影像特征知识，以及有关地物的专家知识，并结合其他非遥感数据资料进行综合分析和逻辑推理，从而能达到较高的专题信息提取的精度，尤其是在提取具有较强纹理结构特征的地物时更是如此，它是目前业务化生产的一门技术，与非遥感的传统方法相比，具有明显的优势。尽管该方法较费工费时，但由于遥感地质信息计算机自动提取的难度，仍将在遥感地质信息提取中长期存在。

（2）基于分类方法的遥感信息自动提取

在遥感信息自动提取方面，分类方法的研究历史最长久，其核心是对遥感图像的分割，其方法有无监督分类和有监督分类。就无监督分类而言，有 K-MEANS 法、动态聚类型法、模糊聚类法以及人工神经网络法；在有监督分类方面，有最小距离法、最大拟然法、模糊分类法以及人工神经网络法。最大拟然法需要各类型的先验知识及其概率，特别是需要假定各类型的分布属于正态分布，因而它是一种有参数的分类器，在具有先验性概率知识以及各类型满足正态分布的条件下，它具有较好的分类效果，该分类器具有分类速度快的优点。模糊分类是根据模糊数学所构建的一种分类器。它是建立在假设一个像元是由多个类型所组成的基础上，只是各类型的隶属度不同。在对分类器训练时，需要确定训练样本像元中各类型的隶属度，它不需要各类型的先验概率知识，也不要求各类型服从正态分布，它是一种无参数的分类器。但是对训练像元中各类型隶属度的确定比较困难。该方法适用于亚像元信息的提取。人工神经网络分类器是利用人工神经网络技术所构造的分类器，人工神经网络是近几年得到迅速发展的一门非线性科学，它是模拟生物神经网络的人工智能技术，已广泛地用于趋势分析和模式识别以及遥感图像的分类等方面。人工神经网络器不需要各类型的先验性概率知识，也不要求各类型一定要服从正态分布，它是一种无参数的分类器。尽管利用分类器进行分类时所需要的时间很短，但是在对分类器进行训练时，所需要的时间却很长。

就无监督分类而言，其所分的结果，需要专家进行判读和类别的归并，并最终确定其所属的类型。就有监督分类而言，需要选取大量的训练样区，而训练样区的选取不仅费工、费时，训练样区选择的好坏还直接影响分类的效果；同时，分类是对整个图像进行分割，它所要求的是总体的精度最高，这样就不可能完全保证我们所需专题信息的精度一定最高。分类是建立在数理统计基础之上，而没有建立在对遥感信息机理分析的基础上，也没有建立在知识挖掘的基础上，这样就使得它难以实现遥感图像专题信息提取的全自动化。同时，基于光谱特征的分类难以解决异物同谱的问题。在分类中所获取到的知识通常既不可传递，也难以解释。这也是我们对所分结果知其然，而不知其所以然的原因。我们对在任何时候，任何地点的图像，都必须重复选取训练样区的工作。这样，显然就大大限制了遥感信息提取的自动化。为此，基于知识发现的遥感专题信息提取将成为另一个最有前途的方向。

3.基于知识发现的遥感专题信息提取

基于知识发现的遥感专题信息提取是遥感专题信息提取的发展趋势之所在。其基本内容包括知识的发现、应用知识建立提取模型，利用遥感数据和模型提取遥感专题信息。在知识发现方面包括从单期遥感图像上发现有关地物的光谱特征知识、空间结构与形态知识、地物之间的空间关系知识。其中，空间结构与形态知识包括地物的空间纹理知识、形状知识以及地物边缘形状特征知识；从多期遥感图像中，除了可以发现以上知识外，还可以进一步发现地物的动态变化过程知识；从GIS数据库中可以发现各种相关知识。在利用知识建立模型方面，主要是利用所发现的某种知识、某些知识或所有知识建立相应的遥感专题信息提取模型，如图3-8所示。在利用遥感数据和模型提取遥感专题信息时，应从简单到复杂，从单知识、单模型的应用到多知识、多模型的集成应用。从单数据的使用到多数据的综合使用。

4.基于光谱知识的遥感专题信息提取

地物的光谱知识是遥感专题信息提取中最重要的知识。对地物光谱特征的研究，长期以来都得到各国的高度重视。我国对地物光谱开展了深入的研究，并出版了《中国典型地物波谱及其特征分析》《遥感反射光谱测试与应用研究》等书。周成虎、杜云艳根据对水体光谱特征的分析，建立了有效的NOAA AVHRR水体提取模型。陈铭臻根据对水稻和背景的光谱特征分析，建立了水稻种植面积的提取模型（TM4/TM1，TM4/TM3，TM4/TM2）。Helmut Mayer Carsten Steger通过对道路光谱知识的分析，探讨了从遥感图像上提取道路的方法，Jinfei Wang，Paul M.Treitz和Philip J.Howarth探讨了利用梯度方向剖面分析法从SPOT PAN图像中提取新修道路，并将其用于更新城区GIS数据库中的道路网。V.Lacroix，M.Acheroy利用了约束梯度法提取了房屋拐角。

R.M.Haralick，S.Wang，G.Shapiro，J.B.Campbell，探讨了利用一致性标记技术提取河网及其流向。Moller-Jenson提出利用NOAA AVHRR的 CH4＜45，CH5＜35 建立水体提取模型。Jupp等曾提出利用 TM7波段，通过阈值法可以将水体提取出来。

图3-10 KDD过程示意图

数据准备包括数据选取（data selection）、数据预处理（data preprocessing）和数据变换（data transformation）。数据选取的目的是确定发现任务的操作对象，即目标数据（target data），它是根据用户的需要从原始数据库中抽取的一组数据。数据预处理的目的是去除噪声等。当数据挖掘的对象是数据仓库时，一般来说，数据选取和数据预处理已在生成数据仓库时完成。数据变换的主要目的是消减数据维数或降维（dimension rection），即从初始特征中找出真正有用的特征以减少数据挖掘时要考虑的特征或变量个数。

数据挖掘阶段首先要确定挖掘的任务或目的是什么，考虑决定使用什么样的挖掘算法。同样的任务可以用不同的算法来实现，选择实现算法有两个考虑因素：一是不同的数据有不同的特点，因此需要用与之相关的算法来挖掘；二是用户或实际运行系统的要求，如准确性与可理解性之间的偏好等。

2.数据挖掘与知识发现的主要类型和方法

一般统计数据库的数据挖掘出现得最早，也最为成熟。一般而言，数据挖掘和知识发现可分为如下几种类型（Fayyad，1997）：

（1）分类：将数据项映射到一个或若干已定义的类的学习函数。

（2）回归：将数据项映射到实值预报变量的学习函数。

（3）聚类：寻找有限的类别来描述数据集的方法。

（4）概括（或称泛化）：寻找描述各数据子集共性的方法。

（5）依赖模式：寻找描述变量间显着依赖关系的模式。

（6）变化和偏离检测：从与以前数据对比中发现显着变化。

目前在数据挖掘和知识发现的研究中出现了大量的新方法及各种方法的结合，其中比较着名的方法有如下几种：

（1）基于决策树（decision tree）分类的ID3和C4.5方法。

（2）用于概括的AQ15和CN2方法。

（3）解决不精确、不确定知识的粗糙集（Rough Set）方法。

（4）大量人工神经网络方法，如经典的反向传播［BP］算法，自组织映射（SOM）和自适应谐振理论（ART）等。

（5）贝叶斯概率网络学习方法。

（6）用于产生关联规则的Apriori的方法。

作为目前国外的热门研究课题之一，数据开采和知识发现既是人工智能学者的研究热点，也是数据库专家的探索对象，其工作涵盖了医学、机器学习、人工智能、数学、市场营销等诸多领域。获得了许多有用的知识。迄今为止，国内从事这方面研究的单位还不多，把KDD和DM技术应用于卫星遥感的信息处理，更是一项崭新的课题。

3.遥感影像中的数据挖掘与知识发现

卫星遥感数据库作为数据库的一种，对于赋存其中的信息的处理与识别，自然可以借鉴一般意义上的DM和KDD技术；而作为一类特殊的数据库——图像数据库，有着区别于一般关系数据库和事务数据库的信息内容，隐含着丰富的时间、光谱和空间信息。因而，就这类库中的知识发现而言，数据开采也应具有特殊的过程和方法。

根据上述DM和 KDD 的技术流程示意图（图 3-11）并考虑到卫星遥感数据特殊性，中科院的何国金等人提出了针对地质应用的卫星遥感数据开采和知识发现的理论与技术框架。在此框架中，数据开采占了极为重要的地位。它包括遥感数据的时相选择、应用预处理、特征分析、信息识别与知识解释。现实生活中，许多遥感应用者忽略了该过程的特殊作用，直接把原始遥感图像的解释结果作为应用的基础（虽然在解译过程中也加入了人的知识），因而获得的知识往往是肤浅的、表面化的、不精确的。遥感数据开采过程只有充分考虑原始数据的波谱、空间和时间特征，才能更好地实现针对遥感应用的有价值的、较精确的、较高水平的知识发现。

图3-11 卫星数据遥感挖掘和知识发现

㈧ 如何应用Engauge Digitizer软件提取文献中的数据

最近在写关于meta-分析的文章，思路有了，全文有了，以为水到渠成了。但是，虽然全文中却缺少有效的数据。遂在DXY中向战友请教如何提取有效数据。有战友提到应用EngaugeDigitizer软件对KM生存曲线进行提取原始数据。为此，本人对该软件进行试用(4.1绿色免费版) ，总结如下，仅供参考：
1、将KM中survival曲线以图片的形式进行拷贝，并粘贴至EngaugeDigitizer软件中；
2、然后点击Axis point按钮，该按钮的作用是设定坐标及标尺。将“+”定在原点，标记x=0，y=0。将“+”定在x轴最大点标记为x=14，y=0。将“+”定在y轴最大点标记为x=0，y=100。
3、选择curve point 或 segment fill 选择曲线。curve point 是逐点选择，而 segment fill 片断自动选择。
4、最后点击view菜单下的curve geometry.如果想要某段时间内的数据，选取就OK了。转载