| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-20页 |
| 1．1 研究背景 | 第9-10页 |
| 1．2 空间聚类分析的概念、形式化描述与研究内容 | 第10-12页 |
| 1．3 空间聚类分析过程和相关领域 | 第12-15页 |
| 1．3．1 空间聚类分析过程 | 第12-13页 |
| 1．3．2 空间聚类分析的相关领域 | 第13-15页 |
| 1．4 空间聚类分析研究的目的与意义 | 第15-18页 |
| 1．4．1 空间聚类分析是空间数据挖掘的重要组成部分 | 第15-16页 |
| 1．4．2 空间聚类分析是其他挖掘算法的基础步骤 | 第16-18页 |
| 1．5 论文的组织结构 | 第18-20页 |
| 第二章 空间聚类算法分析 | 第20-45页 |
| 2．1 引言 | 第20页 |
| 2．2 划分聚类算法 | 第20-23页 |
| 2．2．1 PAM算法 | 第20-21页 |
| 2．2．2 CLARA算法 | 第21-22页 |
| 2．2．3 CLARANS算法 | 第22-23页 |
| 2．2．4 k-中心点算法的不足 | 第23页 |
| 2．3 层次算法 | 第23-25页 |
| 2．3．1 凝聚层次聚类 | 第23-24页 |
| 2．3．2 分解层次聚类 | 第24页 |
| 2．3．3 凝聚和分解层次算法的优缺点 | 第24-25页 |
| 2．4 改进的层次聚类算法 | 第25-31页 |
| 2．4．1 BIRCH算法 | 第25-26页 |
| 2．4．2 CURE算法 | 第26-28页 |
| 2．4．3 CHAMELEON算法 | 第28-30页 |
| 2．4．4 层次聚类的多步求精算法 | 第30-31页 |
| 2．5 密度算法 | 第31-36页 |
| 2．5．1 DBSCAN算法 | 第31-33页 |
| 2．5．2 GDBSCAN算法 | 第33-34页 |
| 2．5．3 OPTICS算法 | 第34-36页 |
| 2．6 高维数据聚类算法 | 第36-39页 |
| 2．6．1 DENCLUE算法 | 第36-38页 |
| 2．6．2 CLIQUE算法 | 第38-39页 |
| 2．7 基于网格的聚类算法 | 第39-44页 |
| 2．7．1 STING算法 | 第39-41页 |
| 2．7．2 STING+算法 | 第41-42页 |
| 2．7．3 WaveCluster算法 | 第42-44页 |
| 2．8 本章小结 | 第44-45页 |
| 第三章 基于遗传算法的面状地理实体聚类算法 | 第45-87页 |
| 3．1 引言 | 第45页 |
| 3．2 顾及几何形状相似性的简单多边形最近距离计算方法 | 第45-57页 |
| 3．2．1 简单多边形之间相对位置关系 | 第46-47页 |
| 3．2．2 简单多边形距离计算方法 | 第47-57页 |
| 3．2．3 本节讨论 | 第57页 |
| 3．3 集合重组算子 | 第57-62页 |
| 3．3．1 模式定理 | 第57-59页 |
| 3．3．2 抽象模式 | 第59-60页 |
| 3．3．3 遗传性和杂交性 | 第60-61页 |
| 3．3．4 R~3和RAR_w重组算子 | 第61-62页 |
| 3．4 基于遗传算法的面状地理实体聚类 | 第62-73页 |
| 3．4．1 划分聚类算法与适应度函数的设计 | 第63-66页 |
| 3．4．2 基于遗传算法的面状地理实体聚类算法 | 第66-68页 |
| 3．4．3 遗传算法设计 | 第68-69页 |
| 3．4．4 试验与分析 | 第69-73页 |
| 3．4．5 本节讨论 | 第73页 |
| 3．5 基于簇分解的面状地理实体聚类 | 第73-80页 |
| 3．5．1 基于簇分解的聚类方法 | 第73-74页 |
| 3．5．2 选择分解簇的原则 | 第74-76页 |
| 3．5．3 算法设计 | 第76-77页 |
| 3．5．4 试验与分析 | 第77-80页 |
| 3．6 基于聚类有效性函数的面状地理实体聚类 | 第80-85页 |
| 3．6．1 聚类有效性函数分析 | 第80-83页 |
| 3．6．2 遗传算法 | 第83-84页 |
| 3．6．3 试验与分析 | 第84-85页 |
| 3．7 本章小结 | 第85-87页 |
| 第四章 基于形状相似性的面状地理实体聚类算法 | 第87-102页 |
| 4．1 引言 | 第87页 |
| 4．2 应用于面状地理实体聚类分析的线段链形状相似性准则 | 第87-96页 |
| 4．2．1 面状地理实体的线段链形状相似性 | 第87-92页 |
| 4．2．2 满足旋转与平移不变性的线段链相似性评价算法设计 | 第92-96页 |
| 4．2．3 本节讨论 | 第96页 |
| 4．3 基于线段链形状相似性准则的聚类算法 | 第96-101页 |
| 4．3．1 CACSS聚类算法 | 第96-99页 |
| 4．3．2 线段链相似性准则的拓展 | 第99页 |
| 4．3．3 综合考虑距离与几何形状相似的面状地理实体相似性准则 | 第99-101页 |
| 4．4 本章小结 | 第101-102页 |
| 第五章 基于小波变换的栅格数据聚类算法 | 第102-118页 |
| 5．1 引言 | 第102-104页 |
| 5．2 基于k均值算法的栅格数据聚类分析 | 第104-107页 |
| 5．2．1 k均值聚类算法 | 第104页 |
| 5．2．2 基于k均值算法的坡度、坡向数据聚类 | 第104-107页 |
| 5．3 基于小波变换的栅格数据聚类分析 | 第107-117页 |
| 5．3．1 连续小波变换与离散小波变换 | 第109-110页 |
| 5．3．2 多分辨率分析 | 第110-111页 |
| 5．3．3 小波快速算法的矩阵实现方法 | 第111-114页 |
| 5．3．4 基于小波变换的栅格数据聚类算法 | 第114页 |
| 5．3．5 WaveKmeans算法试验与比较 | 第114-117页 |
| 5．4 本章小结 | 第117-118页 |
| 第六章 SpatialMiner：空间数据挖掘原型系统设计 | 第118-124页 |
| 6．1 引言 | 第118页 |
| 6．2 SpatialMinet的设计原则 | 第118-119页 |
| 6．3 SptialMiner的体系结构设计 | 第119-120页 |
| 6．4 SpatialMinet的功能实现 | 第120-123页 |
| 6．4．1 SpatialMinet需求分析 | 第120-121页 |
| 6．4．2 基于策略(strategy)模式的空间聚类分析 | 第121-122页 |
| 6．4．3 空间数据挖掘空间数据知识库建立 | 第122-123页 |
| 6．5 本章小结 | 第123-124页 |
| 第七章 总结 | 第124-126页 |
| 参考文献 | 第126-135页 |
| 附录 | 第135-137页 |
| 作者在攻读博士研究生期间发表的论文 | 第135-136页 |
| 作者在攻读博士研究生期间参加的科研项目 | 第136-137页 |
| 致谢 | 第137页 |
