空间数据挖掘中若干关键技术研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-31页 |
| ·研究背景与意义 | 第12-14页 |
| ·空间数据挖掘的研究现状 | 第14-26页 |
| ·空间数据挖掘的处理过程 | 第14-15页 |
| ·空间数据的存储与索引 | 第15-16页 |
| ·空间数据清理 | 第16-18页 |
| ·空间数据挖掘方法 | 第18-24页 |
| ·空间数据挖掘的知识种类 | 第24-25页 |
| ·空间数据挖掘系统研制 | 第25-26页 |
| ·空间数据挖掘研究中的难点 | 第26-28页 |
| ·论文的组织结构与创新点 | 第28-31页 |
| ·组织结构 | 第28-29页 |
| ·创新点 | 第29-31页 |
| 第二章 空间数据挖掘中的计算模型 | 第31-43页 |
| ·空间关系 | 第31-37页 |
| ·空间距离 | 第31-34页 |
| ·空间拓扑 | 第34-35页 |
| ·空间方位 | 第35-37页 |
| ·空间实体关联矩阵 | 第37-38页 |
| ·空间实体信息模型 | 第38-42页 |
| ·三种常用的空间信息模型 | 第38-41页 |
| ·位置-属性一体化的空间实体信息模型 | 第41-42页 |
| ·小结 | 第42-43页 |
| 第三章 高斯混合分布的递增EM聚类算法 | 第43-64页 |
| ·概述 | 第43-44页 |
| ·贝叶斯法则 | 第44-45页 |
| ·EM算法 | 第45-47页 |
| ·有限混合模型密度估计的极大似然方法 | 第47-49页 |
| ·高斯混合分布模型的EM算法 | 第49-54页 |
| ·概念描述 | 第49-50页 |
| ·算法分析 | 第50-54页 |
| ·递增EM算法-IEM | 第54-59页 |
| ·增量因子 | 第55-56页 |
| ·递增EM算法描述 | 第56-57页 |
| ·高斯混合分布IEM算法的实现 | 第57-59页 |
| ·实验性能 | 第59-63页 |
| ·小结 | 第63-64页 |
| 第四章 基于空间聚类的混合递增NEM算法 | 第64-77页 |
| ·概述 | 第64-65页 |
| ·邻域EM算法(NEM) | 第65-68页 |
| ·EM算法变形 | 第65-67页 |
| ·NEM算法描述 | 第67-68页 |
| ·混合递增NEM算法 | 第68-71页 |
| ·MNEM特点分析 | 第69页 |
| ·MNEM算法描述 | 第69-71页 |
| ·实验性能 | 第71-75页 |
| ·小结 | 第75-77页 |
| 第五章 多级空间关联规则挖掘方法 | 第77-99页 |
| ·概述 | 第77-78页 |
| ·关联规则 | 第78-83页 |
| ·Apriori算法描述 | 第78-81页 |
| ·Apriori算法的改进 | 第81-82页 |
| ·Apriori算法的优缺点 | 第82-83页 |
| ·空间关联规则 | 第83页 |
| ·事务数据准备 | 第83-85页 |
| ·空间谓词计算 | 第84-85页 |
| ·属性值的离散化 | 第85页 |
| ·多级空间关联规则挖掘算法 | 第85-97页 |
| ·概念层次树 | 第85-87页 |
| ·概念编码树 | 第87-90页 |
| ·频繁类匹配表 | 第90-95页 |
| ·多级空间关联规则 | 第95-96页 |
| ·性能分析 | 第96-97页 |
| ·小结 | 第97-99页 |
| 第六章 基于图像数据库的空间关联规则挖掘方法 | 第99-116页 |
| ·概述 | 第99-100页 |
| ·图像数据挖掘的关联规则 | 第100-102页 |
| ·空间关系表示法 | 第102-104页 |
| ·2d string表示 | 第102-104页 |
| ·9DLT表示 | 第104页 |
| ·基于9DLT的空间关联规则挖掘算法 | 第104-112页 |
| ·基本概念 | 第104-106页 |
| ·频繁模式树 | 第106-109页 |
| ·算法描述 | 第109-112页 |
| ·性能分析 | 第112-115页 |
| ·小结 | 第115-116页 |
| 第七章 结论与展望 | 第116-119页 |
| ·论文总结 | 第116-117页 |
| ·展望 | 第117-119页 |
| 参考文献 | 第119-128页 |
| 攻读博士学位期间取得的研究成果 | 第128-129页 |
| 致谢 | 第129页 |
