| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景和意义 | 第8页 |
| 1.2 研究现状 | 第8-10页 |
| 1.2.1 空间co-location模式挖掘 | 第8-10页 |
| 1.2.1.1 空间点对象co-location模式挖掘 | 第8-9页 |
| 1.2.2.2 空间可扩展对象co-location模式挖掘 | 第9-10页 |
| 1.3 本文贡献 | 第10页 |
| 1.4 本文组织结构 | 第10-12页 |
| 第二章 背景知识 | 第12-24页 |
| 2.1 空间co-location模式挖掘 | 第12-24页 |
| 2.1.1 空间co-location模式的相关概念 | 第12-14页 |
| 2.1.2 经典的空间co-location模式挖掘算法 | 第14-17页 |
| 2.1.3 空间可扩展对象的co-location模式挖掘算法 | 第17-24页 |
| 第三章 空间高影响co-location模式及其挖掘 | 第24-34页 |
| 3.1 空间高影响co-location模式挖掘的相关定义 | 第26-29页 |
| 3.2 空间高影响co-location模式挖掘的基本算法 | 第29-32页 |
| 3.3 复杂度分析 | 第32-34页 |
| 第四章 剪枝策略和邻近关系的优化 | 第34-40页 |
| 4.1 剪枝策略 | 第34-36页 |
| 4.2 空间邻近关系的优化 | 第36-40页 |
| 第五章 实验与分析 | 第40-50页 |
| 5.1 实验环境 | 第40页 |
| 5.2 实验数据集 | 第40页 |
| 5.3 基于PI与基于EI的空间co-location模式挖掘结果的比较 | 第40-42页 |
| 5.4 高影响模式基本挖掘算法与带有剪枝策略的算法实验结果比较 | 第42-50页 |
| 5.4.1 在模拟数据集上的实验 | 第42-47页 |
| 5.4.1.1 特征数量对算法效率的影响 | 第42-43页 |
| 5.4.1.2 实例数目对算法效率的影响 | 第43-44页 |
| 5.4.1.3 邻进度阈值对算法效率的影响 | 第44-45页 |
| 5.4.1.4 影响率阈值对算法效率的影响 | 第45页 |
| 5.4.1.5 影响指数阈值对算法效率的影响 | 第45-46页 |
| 5.4.1.6 最大半径阈值对算法效率的影响 | 第46-47页 |
| 5.4.2 在真实数据集上的试验 | 第47-50页 |
| 5.4.2.1 邻进度阈值对算法效率的影响 | 第47页 |
| 5.4.2.2 影响率阈值对算法效率的影响 | 第47-48页 |
| 5.4.2.3 影响指数阈值对算法效率的影响 | 第48-49页 |
| 5.4.2.4 最大半径阈值对算法效率的影响 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 参考文献 | 第52-58页 |
| 致谢 | 第58-60页 |
| 攻读硕士学位期间完成的科研成果 | 第60页 |
