| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-19页 |
| ·课题背景和研究意义 | 第8-9页 |
| ·课题背景 | 第8页 |
| ·研究意义 | 第8-9页 |
| ·文献综述 | 第9-15页 |
| ·数据挖掘 | 第9-12页 |
| ·空间数据挖掘 | 第12-13页 |
| ·时空数据挖掘 | 第13-15页 |
| ·研究思路与技术路线 | 第15-18页 |
| ·基本思路 | 第15-17页 |
| ·技术路线 | 第17-18页 |
| ·研究内容及章节安排 | 第18-19页 |
| 第二章 相关理论研究基础 | 第19-35页 |
| ·时空数据模型 | 第19-21页 |
| ·描述时空实体状态的模型 | 第19-20页 |
| ·描述时空实体变化过程的模型 | 第20页 |
| ·描述时空实体和时空关系的模型 | 第20-21页 |
| ·时空相关性分析 | 第21-24页 |
| ·时间自相关 | 第21-22页 |
| ·空间自相关 | 第22-23页 |
| ·时空自相关 | 第23-24页 |
| ·时空聚类分析 | 第24-32页 |
| ·传统聚类分析 | 第24-25页 |
| ·空间聚类分析 | 第25页 |
| ·时空聚类分析 | 第25-32页 |
| ·时空预测分析 | 第32-35页 |
| ·空间预测分析的时间扩展 | 第32页 |
| ·时间预测分析的空间扩展 | 第32-34页 |
| ·直接模拟时空过程的时空预测分析 | 第34-35页 |
| 第三章 案事件时空聚类分析 | 第35-57页 |
| ·案事件数据与时空立方体模型 | 第35-37页 |
| ·案事件时空点状数据准备 | 第35-37页 |
| ·时空立方体模型中的表达 | 第37页 |
| ·基于STAHCDTEN算法的案事件点状数据时空聚类 | 第37-46页 |
| ·网格构建 | 第37-39页 |
| ·凝聚聚类 | 第39-44页 |
| ·质量评价 | 第44-46页 |
| ·实验结果和分析 | 第46-57页 |
| ·聚类结果与质量评价 | 第46-49页 |
| ·改变聚类对象约束后的聚类结果与评价 | 第49-56页 |
| ·聚类的时间复杂度检验 | 第56-57页 |
| 第四章 案事件时空预测分析 | 第57-80页 |
| ·案事件数据与序列快照模型 | 第57-59页 |
| ·案事件时空面状数据准备 | 第57-58页 |
| ·序列快照模型中的表达 | 第58-59页 |
| ·基于STARMA模型的案事件面状数据时空预测 | 第59-61页 |
| ·建模过程 | 第59-60页 |
| ·精度评估 | 第60-61页 |
| ·实验结果和分析 | 第61-80页 |
| ·建立STARMA模型 | 第61-75页 |
| ·预测结果与精度评估 | 第75-80页 |
| 第五章 结论与展望 | 第80-82页 |
| ·结论 | 第80-81页 |
| ·特色与创新 | 第81页 |
| ·展望 | 第81-82页 |
| 参考文献 | 第82-87页 |
| 致谢 | 第87-88页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第88页 |