| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-12页 |
| ·研究背景及意义 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·论文组织结构 | 第11-12页 |
| 第二章 GML 时空数据模型研究 | 第12-23页 |
| ·时空数据模型分析 | 第12-17页 |
| ·基于列存储的 GML 时空数据模型 | 第17-23页 |
| ·海量空间数据存储面临的新机遇 | 第17-19页 |
| ·基于 HBase 的 GML 时空数据模型 | 第19-23页 |
| 第三章 GML 时空聚类的研究及算法 | 第23-32页 |
| ·GML 时空聚类相似性度量 | 第23-27页 |
| ·距离相似性度量 | 第23-25页 |
| ·相似系数的度量 | 第25-26页 |
| ·类间距离度量 | 第26页 |
| ·GML 相似性度量 | 第26-27页 |
| ·经典聚类算法 | 第27-28页 |
| ·基于空间邻近关系的 K-均值聚类算法 | 第28-32页 |
| 第四章 GML 时空序列相似性查询的研究 | 第32-39页 |
| ·时间序列的表达 | 第32-35页 |
| ·频域表示法 | 第33页 |
| ·分段线性表示法 | 第33-34页 |
| ·奇异值分析法 | 第34页 |
| ·符号化表示法 | 第34-35页 |
| ·空间邻近关系的 GML 时序相似性度量相关定义 | 第35-36页 |
| ·GML 时空序列相似性度量 | 第36-38页 |
| ·基于形状的相似度 | 第36-37页 |
| ·基于特征的相似度 | 第37页 |
| ·基于模型的相似度 | 第37页 |
| ·基于压缩的相似度 | 第37-38页 |
| ·基于空间邻近关系的 GML 时间序列相似性查询 | 第38-39页 |
| 第五章 GML 时空聚类及时空序列相似性查询的实现及分析 | 第39-49页 |
| ·基于空间邻近关系的 K-均值聚类算法结果分析 | 第39-44页 |
| ·实验数据 | 第39页 |
| ·区域经济发展空间相关性验证 | 第39-42页 |
| ·区域经济发展空间聚类分析 | 第42-43页 |
| ·区域经济发展时空聚类分析 | 第43-44页 |
| ·基于空间邻近关系的 GML 时间序列相似性查询结果分析 | 第44-49页 |
| ·基于多属性相似性的历史记录查询 | 第44-46页 |
| ·时空序列相似性查询 | 第46-49页 |
| 第六章 总结与展望 | 第49-50页 |
| ·总结 | 第49页 |
| ·展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53页 |