| 中文摘要 | 第1-10页 |
| ABCTRACT | 第10-16页 |
| 第1章 文献综述 | 第16-28页 |
| ·数据挖掘 | 第16-18页 |
| ·数据挖掘预处理 | 第18-20页 |
| ·数据挖掘算法 | 第20-23页 |
| ·空间数据的不确定性 | 第23-26页 |
| ·空间数据挖掘及存在的问题 | 第26-28页 |
| 第2章 绪论 | 第28-32页 |
| ·研究的意义 | 第28-29页 |
| ·研究的目标与内容 | 第29-30页 |
| ·技术线路 | 第30-31页 |
| ·关键问题和技术难点 | 第31-32页 |
| 第3章 空间孤立点数据的预处理研究 | 第32-57页 |
| ·数据选取 | 第32-34页 |
| ·数据清理 | 第34-36页 |
| ·数据集成 | 第36-38页 |
| ·数据变换 | 第38-39页 |
| ·数据归约 | 第39-42页 |
| ·基于XML的信息模式集成技术 | 第42-57页 |
| 第4章 聚类及孤立点的研究 | 第57-66页 |
| ·聚类算法分析 | 第57-60页 |
| ·孤立点检测算法 | 第60-66页 |
| 第5章 空间孤立点数据的不确定性研究 | 第66-78页 |
| ·空间孤立点数据的不确定性 | 第66页 |
| ·常用的不确定性分析方法的局限 | 第66-68页 |
| ·云模型 | 第68-72页 |
| ·云发生器 | 第72-78页 |
| 第6章 基于云理论与数据场的空间孤立点挖掘算法 | 第78-95页 |
| ·数据场 | 第78-86页 |
| ·云模型与数据辐射 | 第86-88页 |
| ·基于云理论与数据场的孤立点检测 | 第88-90页 |
| ·基于云理论与数据场改进的PAM挖掘算法 | 第90-92页 |
| ·基于云理论与数据场改进的CLARA挖掘算法 | 第92-95页 |
| 第7章 空间孤立点挖掘模式评估的研究 | 第95-115页 |
| ·数据挖掘中的模式评估标准 | 第95-97页 |
| ·模式兴趣度量准则研究 | 第97-102页 |
| ·模式的准确性与可理解性的研究 | 第102-104页 |
| ·基于云理论的孤立点挖掘方法的评估 | 第104-109页 |
| ·基于云理论的孤立点挖掘模式的评估 | 第109-115页 |
| 第8章 空间孤立点挖掘模式的可视化研究 | 第115-131页 |
| ·数据挖掘的可视化 | 第115页 |
| ·数据挖掘结果的规范化表示 | 第115-117页 |
| ·关联规则的可视化分析 | 第117-123页 |
| ·相关分析结果的可视化分析 | 第123-125页 |
| ·空间数据挖掘模型可视化方法 | 第125-131页 |
| 第9章 空间孤立点挖掘技术在农业土壤质量分析中的应用 | 第131-143页 |
| ·土壤质量监测 | 第131-133页 |
| ·土壤质量数据预处理 | 第133-136页 |
| ·土壤质量数据的孤立点挖掘 | 第136-138页 |
| ·土壤质量孤立点模式的评估 | 第138-139页 |
| ·土壤质量孤立点模式的可视化 | 第139-143页 |
| 第10章 结论 | 第143-147页 |
| ·研究的主要关注点 | 第143-145页 |
| ·研究的新意和创新点 | 第145-146页 |
| ·展望 | 第146-147页 |
| 参考文献 | 第147-156页 |
| 致谢 | 第156-157页 |
| 发表论文 | 第157页 |