| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 绪论 | 第8-11页 |
| 研究背景和意义 | 第8页 |
| 研究现状 | 第8-9页 |
| 本文贡献 | 第9页 |
| 本文的组织结构 | 第9-11页 |
| 第一章 基于不确定性的数据挖掘 | 第11-15页 |
| ·不确定数据的含义 | 第11页 |
| ·不确定数据的定义方法 | 第11-12页 |
| ·位置不确定 | 第11-12页 |
| ·存在不确定 | 第12页 |
| ·不确定数据的相关工作 | 第12-13页 |
| ·不确定数据研究所面临的挑战 | 第13-15页 |
| 第二章 确定数据的空间co-location模式挖掘 | 第15-24页 |
| ·空间co-location模式挖掘的基本概念 | 第15-17页 |
| ·确定数据的空间co-location模式挖掘的相关的工作 | 第17-18页 |
| ·确定数据的空间co-location模式挖掘的基本算法 | 第18-19页 |
| ·带稀有特征的空间co-location模式挖掘算法 | 第19-24页 |
| ·研究稀有特征的意义 | 第19-20页 |
| ·经典的挖掘方法在数据集合中存在稀有特征时面临的挑战 | 第20页 |
| ·针对稀有特征存在的MaxPrune算法 | 第20-24页 |
| 第三章 基于存在不确定的空间co-location模式挖掘 | 第24-33页 |
| ·可能世界 | 第24-27页 |
| ·期望参与率与参与度 | 第27-30页 |
| ·Ujoin-Based算法 | 第30-33页 |
| 第四章 带稀有特征的不确定空间co-location模式挖掘方法 | 第33-45页 |
| ·UMaxPrune算法 | 第33-34页 |
| ·UMaxPrune算法的不足 | 第34-35页 |
| ·加权期望参与率方法的相关定义 | 第35-38页 |
| ·基于加权期望参与率的基本算法描述 | 第38-40页 |
| ·加权参与率的部分向下闭合性质与剪枝算法 | 第40-45页 |
| 第五章 应用实例与分析 | 第45-51页 |
| ·在模拟数据集合上的实验 | 第45-48页 |
| ·基于加权期望参与率算法与UMaxPrune算法在生成的频繁co-location模式数目上的比较 | 第45-47页 |
| ·UWB算法与UWP算法在运行效率上的比较 | 第47-48页 |
| ·在实际数据上的应用 | 第48-51页 |
| 第六章 总结与未来研究方向 | 第51-52页 |
| ·本文总结 | 第51页 |
| ·未来工作 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57页 |
