| 摘要 | 第1-4页 |
| Abstract | 第4-11页 |
| 第一章 绪论 | 第11-28页 |
| 1．1 课题的提出与意义 | 第11页 |
| 1．2 数据挖掘的研究现状及内容 | 第11-15页 |
| 1．2．1 数据挖掘的产生 | 第11-12页 |
| 1．2．2 数决挖掘的发展 | 第12页 |
| 1．2．3 数据挖掘的研究现状 | 第12-13页 |
| 1．2．4 数据挖掘系统的介绍 | 第13页 |
| 1．2．5 数据挖掘的应用 | 第13-15页 |
| 1．3 GIS空间数据系统的现状及内容 | 第15-18页 |
| 1．3．1 GIS空间数据系统 | 第15-16页 |
| 1．3．2 GIS空间数据系统研究现状 | 第16-18页 |
| 1．4 空间数据挖掘 | 第18-25页 |
| 1．4．1 空间数据类型 | 第19-20页 |
| 1．4．2 空间数据的复杂特性 | 第20-21页 |
| 1．4．3 空间数据挖掘研究的意义 | 第21页 |
| 1．4．4 空间数据挖掘的研究现状和发展趋势 | 第21-25页 |
| 1．4．4．1 空间关联规则挖掘算法的研究 | 第22-23页 |
| 1．4．4．2 时间序列挖掘技术的研究 | 第23页 |
| 1．4．4．3 空间同位算法的研究 | 第23-24页 |
| 1．4．4．4 空间离群算法的研究 | 第24-25页 |
| 1．4．4．5 空间分类技术的研究 | 第25页 |
| 1．5 本文主要内容及论文组织 | 第25-27页 |
| 1．6 本章小结 | 第27-28页 |
| 第二章 基于GIS空间数据挖掘的理论和体系结构 | 第28-46页 |
| 2．1 空间数据挖掘定义与特点 | 第28页 |
| 2．2 空间数据挖掘的体系结构与基本过程 | 第28-32页 |
| 2．2．1 空间数据的体系结构 | 第28-31页 |
| 2．2．1．1 空间数据挖掘方法模块 | 第29-30页 |
| 2．2．1．2 算法分析模块 | 第30页 |
| 2．2．1．3 数据预处理模块 | 第30-31页 |
| 2．2．1．4 数据库(源)模块 | 第31页 |
| 2．2．1．5 评价模块 | 第31页 |
| 2．2．2 空间数据挖掘的基本过程 | 第31-32页 |
| 2．3 空间数据挖掘所能发现的知识类型 | 第32-34页 |
| 2．4 空间数据挖掘的方法 | 第34-38页 |
| 2．5 空间数据挖掘中知识的表达方法 | 第38页 |
| 2．6 空间数据挖掘的应用 | 第38-39页 |
| 2．7 空间数据挖掘与相关主要研究方向的关系 | 第39-44页 |
| 2．8 空间数据挖掘系统介绍 | 第44-45页 |
| 2．9 本章小节 | 第45-46页 |
| 第三章 属性相关空间离群数据的研究 | 第46-65页 |
| 3．1 相关概念 | 第46页 |
| 3．1．1 离群数据的定义 | 第46页 |
| 3．1．2 离群数据数据挖掘的定义 | 第46页 |
| 3．2 基于统计离群点检测的研究 | 第46-48页 |
| 3．3 基于距离离群点检测的研究 | 第48-49页 |
| 3．4 基于偏离离群点检测的研究 | 第49-50页 |
| 3．5 基于规则离群数据的研究 | 第50-52页 |
| 3．6 面向CAD离群算法的研究 | 第52-56页 |
| 3．6．1 面向曲面造型的特征点离群算法 | 第54-55页 |
| 3．6．2 算法描述 | 第55-56页 |
| 3．7 属性相关空间离群数据的研究 | 第56-64页 |
| 3．7．1 算法模型的建立 | 第56-59页 |
| 3．7．2 算法描述 | 第59-61页 |
| 3．7．3 算法复杂度分析 | 第61页 |
| 3．7．4 实验分析 | 第61-64页 |
| 3．7．4．1 面向曲面造型特征点提取的离群算法试验分析 | 第61-62页 |
| 3．7．4．2 面向杭州地形数据的离群数据方法试验分析 | 第62-64页 |
| 3．8 本章小节 | 第64-65页 |
| 第四章 空间分类数据同位规则算法的研究 | 第65-82页 |
| 4．1 频繁模式与关联规则挖掘 | 第65-67页 |
| 4．1．1 关联规则挖掘与Apriori算法 | 第65-66页 |
| 4．1．2 对Apriori算法的改进 | 第66-67页 |
| 4．1．3 频繁模式与关联规则挖掘研究的新发展 | 第67页 |
| 4．2 空间关联规则的研究 | 第67-70页 |
| 4．2．1 空间关联规则的概念 | 第67-68页 |
| 4．2．2 空间谓词表达 | 第68-69页 |
| 4．2．3 空间关联规则挖掘的方法 | 第69-70页 |
| 4．3 空间同位问题的研究 | 第70页 |
| 4．4 基于向量数据的同位研究 | 第70-72页 |
| 4．4．1 基于向量数据的同位研究 | 第71页 |
| 4．4．2 基于扩展域向量数据的同位研究 | 第71-72页 |
| 4．5 空间分类同位规则算法的研究 | 第72-81页 |
| 4．5．1 建模和定义 | 第72-74页 |
| 4．5．2 算法描述 | 第74-75页 |
| 4．5．3 算法应用例子分析 | 第75-77页 |
| 4．5．4 算法复杂度分析 | 第77-78页 |
| 4．5．5 试验分析 | 第78-81页 |
| 4．6 小节 | 第81-82页 |
| 第五章 时序空间数据同位规则的研究 | 第82-103页 |
| 5．1 时序分析技术 | 第82-85页 |
| 5．1．1 几种经典的时序分析技术 | 第82-85页 |
| 5．1．2 当前时序技术分析 | 第85页 |
| 5．2 时序数据挖掘 | 第85-87页 |
| 5．2．1 时间序列数据类型与分类 | 第86页 |
| 5．2．2 时间序列数据挖掘及其分类 | 第86-87页 |
| 5．3 时序模式的表示和提取方法 | 第87-89页 |
| 5．3．1 事件模式抽取和表示 | 第87-88页 |
| 5．3．2 事件序列模式挖掘方法 | 第88-89页 |
| 5．4 时序空间同位方法的研究 | 第89-99页 |
| 5．4．1 相关概念 | 第89-90页 |
| 5．4．2 算法的定义和建模 | 第90-93页 |
| 5．4．3 时序序列空间同位挖掘例子 | 第93-96页 |
| 5．4．4 算法描述 | 第96-99页 |
| 5．4．4．1 时序同为算法数据结构分析 | 第96-97页 |
| 5．4．4．2 时序同位挖掘算法概述 | 第97-99页 |
| 5．5 算法时间复杂度分析 | 第99-101页 |
| 5．6 试验分析 | 第101-102页 |
| 5．7 本章小节 | 第102-103页 |
| 第六章 原型系统及其应用 | 第103-110页 |
| 6．1 GIS及相关概念 | 第103-104页 |
| 6．2 设计思想和目标 | 第104页 |
| 6．3 系统结构和功能 | 第104-106页 |
| 6．3．1 系统结构和流程图 | 第104-105页 |
| 6．3．2 系统功能 | 第105-106页 |
| 6．4 系统的实现技术 | 第106-109页 |
| 6．4．1 MapBase模块 | 第106-108页 |
| 6．4．2 算法 | 第108页 |
| 6．4．3 GIS_Miner原型系统用户界面 | 第108-109页 |
| 6．5 本章小节 | 第109-110页 |
| 第七章 结论与展望 | 第110-113页 |
| 7．1 论文主要工作总结 | 第110-111页 |
| 7．2 论文创新点 | 第111页 |
| 7．3 进一步的研究工作 | 第111-113页 |
| 参考文献 | 第113-124页 |
| 攻读博士期间主要科研成果和工程项目 | 第124-125页 |
| 致谢 | 第125页 |