| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-19页 |
| ·课题的提出与意义 | 第9-11页 |
| ·空间数据挖掘的研究现状及内容 | 第11-13页 |
| ·空间数据挖掘与相关学科的联系 | 第13-16页 |
| ·空间数据挖掘与地理信息系统 | 第13-14页 |
| ·空间数据挖掘与空间数据库 | 第14-15页 |
| ·空间数据挖掘与空间数据仓库 | 第15页 |
| ·空间数据挖掘与空间联机分析处理 | 第15-16页 |
| ·本文主要内容及论文组织 | 第16-19页 |
| 第2章 基于划分方法的聚类分析 | 第19-33页 |
| ·概述 | 第19-20页 |
| ·相似性度量 | 第20-25页 |
| ·相似性计算 | 第21-22页 |
| ·相似系数 | 第22-25页 |
| ·划分方法 | 第25-30页 |
| ·k均值算法 | 第26-27页 |
| ·k中心点算法 | 第27-28页 |
| ·面向大型数据库的划分方法 | 第28-30页 |
| ·聚类方法的比较与评价 | 第30-33页 |
| ·聚类方法的比较 | 第30-31页 |
| ·聚类方法的评价 | 第31-33页 |
| 第3章 基于路径聚类方法的空间数据挖掘 | 第33-57页 |
| ·空间数据概述 | 第33-34页 |
| ·空间聚类算法的研究 | 第34-40页 |
| ·空间数据挖掘基础 | 第34-36页 |
| ·空间聚类算法 | 第36-40页 |
| ·路径聚类方法的基本概念和问题描述 | 第40-42页 |
| ·兴趣度度量方法 | 第41页 |
| ·问题的描述 | 第41-42页 |
| ·一种新颖的路径聚类方法 | 第42-49页 |
| ·事件活动度量(Incident Activity Measure,IA) | 第42页 |
| ·k-主路径(K-Main Routes,KMR)算法 | 第42-45页 |
| ·一个完整的实例 | 第45-49页 |
| ·模型分析 | 第49-50页 |
| ·实验结果及算法性能分析 | 第50-57页 |
| 第4章 基于GIS技术的时空条件下k-主路径算法 | 第57-62页 |
| ·GIS的概述 | 第57-58页 |
| ·提出时空条件的必要性 | 第58-60页 |
| ·时空数据概述 | 第58-59页 |
| ·时空条件的必要性 | 第59-60页 |
| ·实验验证方案及结果 | 第60-62页 |
| 第5章 总结与展望 | 第62-64页 |
| ·论文主要工作总结与创新点 | 第62页 |
| ·进一步的研究工作 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69页 |