空间数据与时空数据的分析方法及比较
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景和目的 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 空间数据分析的研究现状 | 第10-11页 |
| 1.2.2 时空数据分析的研究现状 | 第11-12页 |
| 1.3 数据分析使用的工具—R | 第12-13页 |
| 1.4 主要研究内容和文章结构安排 | 第13-14页 |
| 第二章 传统的空间数据分析方法 | 第14-23页 |
| 2.1 反距离加权法及其扩展 | 第14-18页 |
| 2.1.1 反距离加权法 | 第14-16页 |
| 2.1.2 自适应反距离加权法 | 第16-18页 |
| 2.2 趋势面模拟 | 第18-20页 |
| 2.2.1 全局趋势面模拟 | 第19-20页 |
| 2.2.2 局部趋势面模拟 | 第20页 |
| 2.3 最小二乘支持向量机 | 第20-22页 |
| 2.4 小结 | 第22-23页 |
| 第三章 空间数据分析方法—克里金方法 | 第23-38页 |
| 3.1 基本知识 | 第23-27页 |
| 3.1.1 区域化变量 | 第23-24页 |
| 3.1.2 变差函数 | 第24-26页 |
| 3.1.3 克里金插值法概述 | 第26-27页 |
| 3.2 普通克里金模型 | 第27-29页 |
| 3.3 泛克里金模型 | 第29-33页 |
| 3.4 协同克里金模型 | 第33-36页 |
| 3.5 小结 | 第36-38页 |
| 第四章 传统方法与克里金方法的组合模型 | 第38-47页 |
| 4.1 基于K最近邻方法的克里金方法 | 第38-41页 |
| 4.2 基于反距离加权法的克里金方法 | 第41-43页 |
| 4.3 基于最小二乘支持向量机的克里金方法 | 第43-45页 |
| 4.4 小结 | 第45-47页 |
| 第五章 时空克里金方法 | 第47-58页 |
| 5.1 时空数据分析的理论知识 | 第47-51页 |
| 5.1.1 时空域 | 第48页 |
| 5.1.2 时空协方差函数及半变异函数 | 第48-51页 |
| 5.2 时空数据分析方法—时空克里金方法 | 第51-52页 |
| 5.3 实例分析 | 第52-56页 |
| 5.4 小结 | 第56-58页 |
| 总结及展望 | 第58-60页 |
| 总结 | 第58-59页 |
| 展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 攻读学位期间取得的研究成果 | 第66-67页 |
| 致谢 | 第67页 |
