| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题研究的意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·研究目标与内容 | 第12-13页 |
| ·研究的目标 | 第12页 |
| ·研究的内容 | 第12-13页 |
| ·技术路线及关键技术 | 第13页 |
| ·论文创新点 | 第13-14页 |
| ·论文的工作 | 第14页 |
| ·本章小节 | 第14-15页 |
| 第二章 GML 数据挖掘基本理论 | 第15-38页 |
| ·GML 概述 | 第15-19页 |
| ·数据挖掘基础 | 第19-23页 |
| ·数据挖掘含义 | 第19-20页 |
| ·数据挖掘的技术 | 第20-21页 |
| ·数据挖掘步骤 | 第21-22页 |
| ·数据挖掘的支撑技术 | 第22-23页 |
| ·聚类技术 | 第23-27页 |
| ·聚类概述 | 第23页 |
| ·聚类的核心问题 | 第23-26页 |
| ·聚类算法的要求 | 第26-27页 |
| ·GML 聚类关键技术 | 第27-36页 |
| ·GML 解析及可视化策略 | 第27-33页 |
| ·GML 相似度度量 | 第33-35页 |
| ·GML 数据挖掘方式 | 第35-36页 |
| ·挖掘步骤 | 第36页 |
| ·聚类质量评价 | 第36-37页 |
| ·本章小节 | 第37-38页 |
| 第三章 GML 时空聚类算法 | 第38-55页 |
| ·空间聚类方法 | 第38-39页 |
| ·划分法（partitioning methods） | 第38页 |
| ·层次方法（hierarchical methods） | 第38页 |
| ·基于密度的方法（density-based methods） | 第38-39页 |
| ·基于网格的方法（grid-based methods） | 第39页 |
| ·其他聚类方法 | 第39页 |
| ·聚类算法分析、比较研究 | 第39-44页 |
| ·聚类算法 | 第40-43页 |
| ·聚类算法分析、比较 | 第43-44页 |
| ·基于K 均值思想的GML 时空聚类算法 | 第44-50页 |
| ·聚类算法的提出 | 第44-45页 |
| ·基于GML 数据聚类挖掘的基本思想 | 第45页 |
| ·算法设计与实现 | 第45-50页 |
| ·基于蚁群算法的GML 时空聚类算法 | 第50-52页 |
| ·蚁群聚类算法 | 第50页 |
| ·蚁群算法基本思想 | 第50-51页 |
| ·蚁群聚类算法及设计与实现 | 第51-52页 |
| ·实验结果分析 | 第52-54页 |
| ·本章小节 | 第54-55页 |
| 第四章 GML 时空聚类原型系统体系结构及设计实现 | 第55-62页 |
| ·组件技术介绍 | 第55页 |
| ·ArcGIS Engine 介绍 | 第55页 |
| ·.N ET 平台概述 | 第55页 |
| ·GML 时空聚类体系结构 | 第55-56页 |
| ·原型系统各功能实现 | 第56-61页 |
| ·实验数据 | 第56-57页 |
| ·开发环境 | 第57页 |
| ·聚类原型系统 | 第57-61页 |
| ·本章小节 | 第61-62页 |
| 第五章 总结及展望 | 第62-64页 |
| ·总结 | 第62页 |
| ·展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 个人简历及攻读硕士学位期间论文发表情况 | 第68页 |
