| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-15页 |
| 1.2.1 时空数据库查询方法研究现状 | 第9-11页 |
| 1.2.2 数据降维方法研究现状 | 第11-12页 |
| 1.2.3 时空数据可视化技术研究现状 | 第12-15页 |
| 1.3 论文的主要研究内容及组织结构 | 第15-17页 |
| 1.4 本章小结 | 第17-18页 |
| 2 时空数据清洗方法研究 | 第18-31页 |
| 2.1 时空数据清洗概念 | 第18-20页 |
| 2.2 时空数据清洗过程 | 第20-22页 |
| 2.2.1 数据缺失处理 | 第20-21页 |
| 2.2.2 数据异常处理 | 第21页 |
| 2.2.3 相似重复对象处理 | 第21-22页 |
| 2.2.4 逻辑错误数据处理 | 第22页 |
| 2.3 EMD和小波变换数据清洗 | 第22-30页 |
| 2.3.1 EMD分解 | 第22-24页 |
| 2.3.2 小波变换 | 第24-25页 |
| 2.3.3 EMD和小波变换 | 第25-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 Z曲线时空数据降维 | 第31-37页 |
| 3.1 Z曲线构建 | 第31-33页 |
| 3.2 Z曲线降维 | 第33-36页 |
| 3.3 本章小结 | 第36-37页 |
| 4 Skyline和Hcknn时空数据查询方法研究 | 第37-49页 |
| 4.1 Skyline | 第37-41页 |
| 4.1.1 Skyline查询方法研究 | 第37-38页 |
| 4.1.2 并行Skyline查询算法研究 | 第38-40页 |
| 4.1.3 实验对比 | 第40-41页 |
| 4.2 Hcknn | 第41-47页 |
| 4.2.1 距离度量 | 第41-44页 |
| 4.2.2 剪枝策略 | 第44-46页 |
| 4.2.3 实验对比 | 第46-47页 |
| 4.3 本章小结 | 第47-49页 |
| 5 基于Geomesa的时空数据存储及可视化—时空数据应用 | 第49-58页 |
| 5.1 时空数据可视化 | 第49-53页 |
| 5.2 查询时间对比 | 第53-57页 |
| 5.3 本章小结 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 申请专利 | 第64页 |
| 参加科研项目 | 第64页 |
| 获奖情况 | 第64页 |
| 论文发表情况 | 第64-65页 |
| 致谢 | 第65页 |