| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10页 |
| 1.3 聚类及可视化国内外研究现状 | 第10-13页 |
| 1.3.1 农业信息化国内外研究现状 | 第10-11页 |
| 1.3.2 空间模糊聚类研究现状 | 第11-12页 |
| 1.3.3 可视化研究现状 | 第12-13页 |
| 1.4 本文主要研究内容 | 第13页 |
| 1.5 本文结构安排 | 第13-15页 |
| 第二章 空间数据挖掘及可视化相关技术 | 第15-25页 |
| 2.1 空间数据挖掘理论 | 第15-17页 |
| 2.1.1 空间数据理解 | 第15页 |
| 2.1.2 空间数据挖掘概述 | 第15-16页 |
| 2.1.3 空间数据常用挖掘方法 | 第16-17页 |
| 2.2 空间聚类分析技术 | 第17-21页 |
| 2.2.1 空间聚类概述 | 第17-18页 |
| 2.2.2 空间聚类常用方法 | 第18-20页 |
| 2.2.3 空间聚类分析过程 | 第20-21页 |
| 2.3 空间聚类相似性度量 | 第21-22页 |
| 2.4 可视化技术相关介绍 | 第22-24页 |
| 2.4.1 可视化技术定义 | 第22页 |
| 2.4.2 可视化挖掘内容 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 空间模糊聚类研究 | 第25-46页 |
| 3.1 引言 | 第25页 |
| 3.2 模糊聚类数学模型 | 第25-26页 |
| 3.2.1 模糊思想 | 第25-26页 |
| 3.2.2 空间模糊C均值聚类算法思想 | 第26页 |
| 3.3 空间模糊C均值（Fuzzy C-means）聚类算法原理 | 第26-30页 |
| 3.3.1 K-means算法 | 第26-28页 |
| 3.3.2 FCM聚类算法 | 第28-30页 |
| 3.4 组合加权距离的模糊C均值（G-FCM）空间聚类算法 | 第30-37页 |
| 3.4.1 存在问题 | 第30-31页 |
| 3.4.2 对距离的改进 | 第31-32页 |
| 3.4.3 组合权重的确定 | 第32-34页 |
| 3.4.4 组合加权距离模糊C均值（G-FCM）算法模型构建 | 第34-35页 |
| 3.4.5 G-FCM算法聚类过程 | 第35-37页 |
| 3.5 算法仿真实验 | 第37-40页 |
| 3.5.1 聚类评价 | 第37-38页 |
| 3.5.2 实验结果 | 第38-40页 |
| 3.6 G-FCM算法在农业中的应用 | 第40-45页 |
| 3.7 本章小结 | 第45-46页 |
| 第四章 可视化数据挖掘研究 | 第46-65页 |
| 4.1 引言 | 第46页 |
| 4.2 平行坐标的多维空间数据可视化 | 第46-49页 |
| 4.2.1 平行坐标技术原理及评价指标 | 第47-48页 |
| 4.2.2 聚类与平行坐标可视化 | 第48-49页 |
| 4.3 K-means聚类可视化模型设计 | 第49-56页 |
| 4.3.1 K-means聚类可视化流程 | 第49-50页 |
| 4.3.2 K-means平行坐标可视化模型 | 第50-51页 |
| 4.3.3 系统构建设计 | 第51-52页 |
| 4.3.4 平行可视化交互技术 | 第52-53页 |
| 4.3.5 仿真实验 | 第53-56页 |
| 4.4 聚类平行坐标可视化在农业中应用 | 第56-64页 |
| 4.4.1 自然灾害损失方面 | 第56-60页 |
| 4.4.2 农业灾害预警设计 | 第60-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65-66页 |
| 5.2 展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 附录一：文献[16]中标准化后数据集 | 第70-71页 |
| 攻读学位期间主要的研究成果 | 第71-72页 |
| 致谢 | 第72页 |
