| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第9-21页 |
| 1-1 数据挖掘产生的背景 | 第9-10页 |
| 1-2 数据挖掘的发展历程与研究现状 | 第10-13页 |
| 1-2-1 数据挖掘的产生 | 第10-11页 |
| 1-2-2 数据挖掘的发展 | 第11-12页 |
| 1-2-3 数据挖掘的研究现状 | 第12页 |
| 1-2-4 数据挖掘系统介绍 | 第12-13页 |
| 1-3 数据挖掘的主要研究内容和主要方法 | 第13-15页 |
| 1-4 数据挖掘的应用 | 第15-17页 |
| 1-5 空间数据挖掘概述 | 第17-19页 |
| 1-5-1 空间数据的复杂性特征 | 第17-18页 |
| 1-5-2 空间数据挖掘研究的意义 | 第18页 |
| 1-5-3 空间数据挖掘的研究现状 | 第18-19页 |
| 1-6 本文的主要内容及论文的组织 | 第19-21页 |
| 第二章 空间数据挖掘的基础理论与技术框架 | 第21-43页 |
| 2-1 空间数据挖掘的定义与特点 | 第21页 |
| 2-2 空间数据挖掘的体系结构与基本过程 | 第21-23页 |
| 2-2-1 空间数据挖掘的体系结构 | 第21-22页 |
| 2-2-2 空间数据挖掘的基本过程 | 第22-23页 |
| 2-3 空间数据挖掘所能发现的知识类型 | 第23-25页 |
| 2-4 空间数据挖掘的方法 | 第25-32页 |
| 2-5 空间数据挖掘中知识的表达方法 | 第32页 |
| 2-6 空间数据挖掘的应用 | 第32-33页 |
| 2-7 空间数据挖掘与相关学科的关系 | 第33-39页 |
| 2-8 通用空间数据挖掘系统 | 第39-40页 |
| 2-9 空间数据挖掘的主要研究方向 | 第40-41页 |
| 2-10 关于空间数据挖掘系统开发的思考 | 第41页 |
| 2-11 本章小结 | 第41-43页 |
| 第三章 粗集理论及其在空间数据挖掘中的应用 | 第43-61页 |
| 3-1 粗集理论的基本概念和性质 | 第43-47页 |
| 3-1-1 Rough集的基本概念 | 第43-45页 |
| 3-1-2 Rough集的基本性质 | 第45页 |
| 3-1-3 Rough集的分类 | 第45页 |
| 3-1-4 Rough集中的隶属函数 | 第45-46页 |
| 3-1-5 分类的近似 | 第46-47页 |
| 3-1-6 Rough集的包含与等价关系 | 第47页 |
| 3-2 粗集的扩展模型 | 第47-49页 |
| 3-2-1 可变精度模型 | 第47-48页 |
| 3-2-2 相似模型 | 第48-49页 |
| 3-3 知识表达系统相关概念 | 第49-53页 |
| 3-3-1 知识的分类概念 | 第49页 |
| 3-3-2 知识表达系统 | 第49-50页 |
| 3-3-3 可辨识矩阵 | 第50-51页 |
| 3-3-4 属性的依赖和属性的重要性 | 第51-52页 |
| 3-3-5 属性的约简与属性的核 | 第52-53页 |
| 3-4 决策表及决策表约简 | 第53-58页 |
| 3-4-1 决策表的定义 | 第53-54页 |
| 3-4-2 决策表约简 | 第54-55页 |
| 3-4-3 决策表约简实例分析 | 第55-58页 |
| 3-5 粗集在空间数据挖掘中的应用分析 | 第58-60页 |
| 3-6 本章小结 | 第60-61页 |
| 第四章 空间关联规则挖掘 | 第61-86页 |
| 4-1 A=>B[s％，c％]形式的空间关联规则挖掘 | 第61-75页 |
| 4-1-1 空间关联规则的基本概念和形式化定义 | 第62-64页 |
| 4-1-2 空间谓词 | 第64-65页 |
| 4-1-3 空间关联规则挖掘的基本步骤 | 第65页 |
| 4-1-4 空间关联规则挖掘的算法 | 第65-73页 |
| 4-1-5 提高空间关联规则挖掘效率的策略 | 第73页 |
| 4-1-6 基于空间数据立方体的空间关联规则挖掘 | 第73-75页 |
| 4-2 基于空间统计学的空间关联规则挖掘 | 第75-85页 |
| 4-2-1 空间统计学的一些基本概念及性质 | 第76-80页 |
| 4-2-2 实例分析 | 第80-85页 |
| 4-3 本章小结 | 第85-86页 |
| 第五章 空间数据聚类 | 第86-113页 |
| 5-1 空间聚类的概念和数学描述 | 第86-87页 |
| 5-1-1 空间聚类的概念 | 第86页 |
| 5-1-2 空间聚类的数学描述 | 第86-87页 |
| 5-1-3 选择空间聚类方法应考虑的几个因素 | 第87页 |
| 5-2 空间聚类的方法 | 第87-97页 |
| 5-2-1 划分方法 | 第87-92页 |
| 5-2-2 层次方法 | 第92-93页 |
| 5-2-3 基于密度的方法 | 第93-96页 |
| 5-2-4 基于网格的方法 | 第96页 |
| 5-2-5 基于数学形态学的方法 | 第96页 |
| 5-2-6 基于模型的方法 | 第96-97页 |
| 5-2-7 基于遗传算法的方法 | 第97页 |
| 5-3 基于约束条件的空间聚类分析 | 第97-102页 |
| 5-3-1 顾及实体障碍物的空间聚类 | 第98-101页 |
| 5-3-2 基于操作型约束条件的空间聚类 | 第101-102页 |
| 5-4 一种基于遗传算法的空间聚类算法的设计与实践 | 第102-112页 |
| 5-4-1 遗传算法基本原理 | 第103-106页 |
| 5-4-2 基于遗传算法的空间聚类算法的设计 | 第106-109页 |
| 5-4-3 基于遗传算法的空间聚类算法的主要流程 | 第109-110页 |
| 5-4-4 实验结果与分析 | 第110-112页 |
| 5-5 本章小结 | 第112-113页 |
| 第六章 Voronoi图及其在空间数据挖掘中的应用 | 第113-134页 |
| 6-1 Voronoi图与Delaunay三角网的基本概念 | 第113-119页 |
| 6-1-1 Voronoi图的定义 | 第114页 |
| 6-1-2 Voronoi图的性质 | 第114-117页 |
| 6-1-3 Voronoi图的扩展形式 | 第117页 |
| 6-1-4 Delaunay三角网的定义 | 第117页 |
| 6-1-5 Delaunay三角网的性质 | 第117-118页 |
| 6-1-6 Delaunay三角网的有关概念 | 第118-119页 |
| 6-2 Voronoi图与Delaunay三角网生成方法 | 第119-122页 |
| 6-2-1 Delaunay三角网生成方法 | 第119-121页 |
| 6-2-2 Voronoi图生成方法 | 第121-122页 |
| 6-3 应用一:Voronoi图在空间目标(现象)的影响范围界定中的应用 | 第122-123页 |
| 6-4 应用二:利用Detaunay三角网在城镇网络体系中发现“空洞” | 第123-130页 |
| 6-4-1 克里斯塔勒的中心地理论 | 第123-124页 |
| 6-4-2 Delaunay三角网是建立城镇网络体系的最佳模型 | 第124-126页 |
| 6-4-3 城镇配位数 | 第126页 |
| 6-4-4 河南省城镇网络中“空洞”的发现与新兴城市的崛起 | 第126-130页 |
| 6-5 应用三:基于Voronoi图的公共设施选址 | 第130-133页 |
| 6-5-1 公共设施选址优化问题概述 | 第130-131页 |
| 6-5-2 基于最大空圆的最大-最小原则公共设施选址 | 第131-133页 |
| 6-6 本章小结 | 第133-134页 |
| 第七章 全文总结与展望 | 第134-137页 |
| 7-1 全文总结 | 第134-135页 |
| 7-2 本文创新点 | 第135-136页 |
| 7-3 进一步研究的方向 | 第136-137页 |
| 参考文献 | 第137-147页 |
| 附录 | 第147-148页 |
| 致谢 | 第148页 |
