| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-22页 |
| ·问题的提出 | 第11-12页 |
| ·空间数据挖掘研究概述 | 第12-15页 |
| ·空间数据挖掘的提出和特点 | 第12-14页 |
| ·空间数据挖掘的国内外研究进展 | 第14-15页 |
| ·主要研究内容 | 第15-18页 |
| ·非线性分类预测技术 | 第15-16页 |
| ·空间评价技术 | 第16-17页 |
| ·空间网格技术 | 第17-18页 |
| ·聚类技术 | 第18页 |
| ·研究技术路线 | 第18-20页 |
| ·论文组织结构 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 2 空间数据挖掘基础 | 第22-29页 |
| ·空间数据挖掘可发现的知识类型 | 第22-23页 |
| ·空间数据挖掘的体系结构 | 第23-24页 |
| ·空间数据挖掘的基本过程 | 第24-25页 |
| ·空间数据挖掘的主要模型和方法 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 3 原型系统设计 | 第29-43页 |
| ·Mapobject 和Arcengine 技术支持 | 第29页 |
| ·MapObject 简介 | 第29页 |
| ·ArcEngine 简介 | 第29页 |
| ·系统的需求和可行性分析 | 第29-33页 |
| ·非线性空间数据分类预测 | 第29-30页 |
| ·空间评价技术 | 第30-31页 |
| ·空间网格分析 | 第31-32页 |
| ·空间数据聚类 | 第32-33页 |
| ·系统的体系结构设计 | 第33-34页 |
| ·系统开发平台的选择 | 第34-35页 |
| ·MFC 技术特点 | 第34-35页 |
| ·地图引擎 | 第35页 |
| ·系统功能模块的设计 | 第35-37页 |
| ·SDM 主要算法及改进设计 | 第37-42页 |
| ·K-Means 聚类算法 | 第37-38页 |
| ·改进DBScan 聚类算法 | 第38-39页 |
| ·神经网络分类算法 | 第39-40页 |
| ·改进关联规则算法 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 4 系统实现 | 第43-53页 |
| ·非线性分类预测功能模块实现 | 第43-45页 |
| ·空间评价技术功能模块实现 | 第45-48页 |
| ·空间基尼系数评价 | 第45-47页 |
| ·改进邻接指数关联规则模型 | 第47-48页 |
| ·空间网格功能模块实现 | 第48-49页 |
| ·空间聚类功能模块实现 | 第49-52页 |
| ·K-Means 聚类算法 | 第49-51页 |
| ·改进DBScan 聚类算法 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 5 原型系统应用 | 第53-67页 |
| ·美国人口数据预测 | 第53-54页 |
| ·人均收入差异分析 | 第54-56页 |
| ·土地利用类型关联规则挖掘 | 第56-59页 |
| ·邻接指数计算 | 第57页 |
| ·关联规则挖掘 | 第57-59页 |
| ·城乡结合部提取 | 第59-63页 |
| ·济南市地价分布特征 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 6 总结与展望 | 第67-70页 |
| ·本文总结 | 第67-68页 |
| ·展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读学位期间发表的学术论文目录 | 第75页 |
| 参加科研项目 | 第75页 |