| 作者简介 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-12页 |
| 第一章 引言 | 第12-17页 |
| §1.1 研究的目的和意义 | 第12-13页 |
| §1.2 并行计算与云GIS | 第13页 |
| §1.3 国内外相关研究现状与进展 | 第13-15页 |
| ·并行计算任务分解研究进展 | 第13-14页 |
| ·矢量空间数据划分研究进展 | 第14-15页 |
| ·研究现状小结 | 第15页 |
| §1.4 论文的主要研究内容 | 第15页 |
| §1.5 论文的组织结构 | 第15-17页 |
| 第二章 云环境下的并行计算及矢量空间数据划分及矢量空间数据的划分 | 第17-26页 |
| §2.1 云计算的发展 | 第17页 |
| §2.2 GIS空间运算的并行计算模型 | 第17-18页 |
| §2.3 矢量空间数据划分 | 第18-24页 |
| ·数据划分 | 第19页 |
| ·矢量空间数据划分的原则 | 第19-22页 |
| ·传统矢量空间数据划分方法 | 第22-24页 |
| ·并行环境下的矢量空间数据划分策略 | 第24页 |
| §2.4 本章小结 | 第24-26页 |
| 第三章 基于空间聚集的数据划分策略 | 第26-46页 |
| §3.1 空间聚集基本特征 | 第26页 |
| §3.2 空间填充曲线 | 第26-27页 |
| §3.3 基于空间聚集的划分策略 | 第27-28页 |
| §3.4 基于Hilbert空间填充曲线的数据划分算法 | 第28-41页 |
| ·Hilbert曲线分析 | 第28-30页 |
| ·Hilbert编码 | 第30-40页 |
| ·编码算法实现 | 第40-41页 |
| §3.5 基于Hilbert曲线的空间数据划分 | 第41-44页 |
| ·算法步骤实现 | 第42-43页 |
| ·算法正确性验证 | 第43-44页 |
| §3.6 本章小结 | 第44-46页 |
| 第四章 基于空间数据统计聚类的分解策略 | 第46-59页 |
| §4.1 空间数据的统计聚类概述 | 第46-48页 |
| ·数据挖掘 | 第47页 |
| ·空间聚类的定义 | 第47页 |
| ·空间聚类的统计学基础 | 第47-48页 |
| §4.2 基于空间聚类的划分策略 | 第48-51页 |
| ·策略概述 | 第48-49页 |
| ·关键技术 | 第49-51页 |
| §4.3 基于坐标累积和最小准则的聚类划分方法 | 第51-53页 |
| ·算法简介 | 第52页 |
| ·算法分析 | 第52-53页 |
| ·算法的特点与应用 | 第53页 |
| §4.4 基于距离最近准则的聚类划分方法 | 第53-58页 |
| ·距离最近的聚类准则 | 第53页 |
| ·算法基本思路 | 第53-54页 |
| ·算法实现 | 第54-56页 |
| ·算法验证 | 第56-58页 |
| §4.5 本章小结 | 第58-59页 |
| 第五章 划分策略及性能分析 | 第59-64页 |
| §5.1 数据实验 | 第59-62页 |
| ·实验测试环境 | 第59页 |
| ·实验数据介绍 | 第59页 |
| ·实验结果及分析 | 第59-62页 |
| §5.2 评价模型及策略选择方案 | 第62-64页 |
| 第六章 总结与展望 | 第64-66页 |
| §6.1 全文总结 | 第64-65页 |
| §6.2 本文研究工作的特色与创新 | 第65页 |
| §6.3 研究工作展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-69页 |