| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 引言 | 第8-9页 |
| 1 数据挖掘中的聚类分析 | 第9-13页 |
| 1．1 聚类分析的概念 | 第9页 |
| 1．2 数据挖掘中的聚类分析算法 | 第9-13页 |
| 1．2．1 划分聚类算法 | 第9-10页 |
| 1．2．2 层次聚类算法 | 第10-11页 |
| 1．2．3 基于密度的聚类算法 | 第11页 |
| 1．2．4 基于网格的聚类算法 | 第11-12页 |
| 1．2．5 基于模型的方法 | 第12页 |
| 1．2．6 模糊聚类方法 | 第12-13页 |
| 2 GIS系统与空间聚类概述 | 第13-23页 |
| 2．1 地理信息系统的概念 | 第13-14页 |
| 2．2 GIS中的空间数据挖掘 | 第14-16页 |
| 2．3 GIS中的空间聚类 | 第16-19页 |
| 2．3．1 二维GIS中基于坐标的空间聚类 | 第16-17页 |
| 2．3．2 二维地理空间对象分布的二重性 | 第17-19页 |
| 2．4 基于网格密度的空间聚类方法 | 第19-23页 |
| 3 基于网格密度的空间聚类方法的改进 | 第23-40页 |
| 3．1 算法的基本思想 | 第23-25页 |
| 3．2 算法的数据结构 | 第25页 |
| 3．3 算法的详细内容 | 第25-35页 |
| 3．3．1 算法的详细描述 | 第25-29页 |
| 3．3．2 参数的设定 | 第29-32页 |
| 3．3．3 与传统网格密度方法及划分方法的比较 | 第32-35页 |
| 3．4 算法复杂性分析 | 第35页 |
| 3．4．1 算法的时间复杂性 | 第35页 |
| 3．4．2 算法的空间复杂性 | 第35页 |
| 3．4．3 与其它方法的性能比较 | 第35页 |
| 3．5 实验结果 | 第35-40页 |
| 4 改进方法对障碍约束的处理 | 第40-50页 |
| 4．1 二维空间障碍概述 | 第40-42页 |
| 4．1．1 概念及类别 | 第40-41页 |
| 4．1．2 形式化表达及数据结构 | 第41-42页 |
| 4．2 CPDG处理空间障碍的方法 | 第42-49页 |
| 4．2．1 基本思想 | 第42-43页 |
| 4．2．2 详细内容 | 第43-45页 |
| 4．2．3 其它处理方法简介 | 第45-47页 |
| 4．2．4 其它方法与CPDG的比较 | 第47-49页 |
| 4．3 障碍处理方法的复杂性分析 | 第49页 |
| 4．4 实验结果 | 第49-50页 |
| 5 空间聚类算法与GIS系统的集成与应用 | 第50-63页 |
| 5．1 空间聚类算法与GIS系统集成的意义 | 第50-51页 |
| 5．2 支持空间聚类的GIS系统的组成 | 第51-57页 |
| 5．2．1 SEI_IntelliGIS系统的总体结构 | 第51-52页 |
| 5．2．2 聚类算法的组件化 | 第52-53页 |
| 5．2．3 浏览器界面与聚类分析器 | 第53-57页 |
| 5．3 空间聚类方法在SEI_InteniGIS系统中的应用 | 第57-63页 |
| 5．3．1 数据准备与处理 | 第57-59页 |
| 5．3．2 聚类性分析 | 第59-60页 |
| 5．3．3 聚类 | 第60-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间发表学术论文情况 | 第67-68页 |
| 致谢 | 第68-69页 |
| 大连理工大学学位论文版权使用授权书 | 第69页 |