摘要 | 第1-6页 |
ABSTRACT | 第6-14页 |
第1章 绪论 | 第14-29页 |
·研究背景及意义 | 第14-15页 |
·数据挖掘 | 第15-19页 |
·数据挖掘的产生和发展 | 第15-16页 |
·数据挖掘的研究现状 | 第16-18页 |
·数据挖掘的应用 | 第18-19页 |
·空间数据及其索引 | 第19-26页 |
·空间数据的复杂特性 | 第19-20页 |
·空间数据类型 | 第20页 |
·空间数据结构 | 第20-21页 |
·空间关系 | 第21-23页 |
·空间数据索引 | 第23-26页 |
·本文的主要内容及论文组织 | 第26-28页 |
·本章小结 | 第28-29页 |
第2章 空间数据挖掘的研究现状 | 第29-54页 |
·空间数据挖掘的定义和特点 | 第29-30页 |
·空间数据挖掘在国内外的研究进展 | 第30-39页 |
·空间聚类 | 第31-36页 |
·空间分类和预测 | 第36-37页 |
·空间关联规则 | 第37-38页 |
·空间孤立点 | 第38-39页 |
·空间数据挖掘的主要方法 | 第39-42页 |
·空间数据挖掘所能发现的知识类型 | 第42-43页 |
·空间数据挖掘的基本过程和系统结构 | 第43-45页 |
·空间数据挖掘的基本过程 | 第43-44页 |
·空间数据挖掘的系统结构 | 第44-45页 |
·空间数据挖掘与相关学科的关系 | 第45-51页 |
·空间数据挖掘的应用 | 第51-52页 |
·典型的空间数据挖掘系统介绍 | 第52页 |
·本章小结 | 第52-54页 |
第3章 一种改进的基于密度的抽样聚类算法 | 第54-64页 |
·DBSCAN 算法 | 第54-56页 |
·DBSCAN 算法的思想 | 第55-56页 |
·DBSCAN 算法的局限性 | 第56页 |
·基于密度的抽样聚类算法 | 第56-61页 |
·基本概念 | 第57页 |
·种子对象的选取 | 第57-59页 |
·对象丢失和聚类分裂的处理 | 第59页 |
·算法描述 | 第59-61页 |
·实验与分析 | 第61-63页 |
·聚类效果的比较 | 第61-62页 |
·执行效率的比较 | 第62-63页 |
·本章小结 | 第63-64页 |
第4章 一种新的正负空间同位规则挖掘算法 | 第64-75页 |
·相关工作 | 第64-66页 |
·关联规则挖掘的研究 | 第64-65页 |
·空间关联规则挖掘的研究 | 第65-66页 |
·空间同位问题的研究 | 第66-68页 |
·PNSCLRMA 算法模型 | 第68-71页 |
·基本概念 | 第68-70页 |
·确定星形邻域 | 第70页 |
·搜索感兴趣的空间同位模式 | 第70-71页 |
·PNSCLRMA 算法描述 | 第71-73页 |
·实验 | 第73-74页 |
·本章小结 | 第74-75页 |
第5章 基于多元线性回归模型的空间预测 | 第75-84页 |
·相关问题 | 第75-79页 |
·空间分类和预测问题的形式化描述 | 第75-76页 |
·空间自相关的度量 | 第76-77页 |
·空间邻接矩阵 | 第77-79页 |
·多元线性回归模型 | 第79-80页 |
·空间预测模型 | 第80-82页 |
·空间自相关模型 | 第80-81页 |
·在自变量和因变量上加入空间信息的模型 | 第81-82页 |
·实验与分析 | 第82-83页 |
·本章小结 | 第83-84页 |
第6章 基于模糊 c-means 算法的空间分类和预测 | 第84-92页 |
·引言 | 第84-85页 |
·模糊 c-means 算法 | 第85-87页 |
·模糊空间分类和预测 | 第87-89页 |
·空间模糊c-means 算法 | 第87-88页 |
·基于模糊c-means 算法的空间分类和预测算法 | 第88-89页 |
·算法性能分析与实验结果 | 第89-91页 |
·复杂度分析 | 第89页 |
·实验结果 | 第89-91页 |
·本章小结 | 第91-92页 |
第7章 总结及展望 | 第92-96页 |
·本文总结 | 第92-93页 |
·进一步的研究工作 | 第93-96页 |
参考文献 | 第96-108页 |
致谢 | 第108-109页 |
在学期间的研究成果及发表的学术论文 | 第109-110页 |