| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景及意义 | 第7页 |
| 1.2 研究现状 | 第7-9页 |
| 1.3 本文贡献 | 第9页 |
| 1.4 本文组织结构 | 第9-11页 |
| 第二章 空间Co-location模式的挖掘 | 第11-17页 |
| 2.1 相关定义 | 第11-13页 |
| 2.2 相关性质 | 第13页 |
| 2.3 空间Co-location模式挖掘算法 | 第13-17页 |
| 2.3.1 基于完全连接join-based的Co-location模式挖掘算法 | 第14页 |
| 2.3.2 基于前缀树结构iCPI-tree的Co-location模式挖掘算法 | 第14-17页 |
| 第三章 基于分治子图的Co-location模式挖掘 | 第17-26页 |
| 3.1 相关定义 | 第17-18页 |
| 3.2 极大团(极大完全图)挖掘 | 第18-20页 |
| 3.3 候选Co-location实例的生成 | 第20页 |
| 3.4 优化和剪枝策略 | 第20-22页 |
| 3.4.1 剪枝 | 第20-21页 |
| 3.4.2 避免挖掘重复的极大团 | 第21页 |
| 3.4.3 二进制集合运算 | 第21-22页 |
| 3.5 基本算法 | 第22-24页 |
| 3.6 算法分析 | 第24-26页 |
| 第四章 基于极大有序团修改的Co-location模式挖掘 | 第26-37页 |
| 4.1 相关定义 | 第26-27页 |
| 4.2 空间实例极大有序团集的生成 | 第27-28页 |
| 4.3 候选Co-location实例的生成 | 第28页 |
| 4.4 基本算法 | 第28-30页 |
| 4.5 算法分析 | 第30-32页 |
| 4.6 优化及改进 | 第32-37页 |
| 4.6.1 改进的思路 | 第32页 |
| 4.6.2 具体执行过程 | 第32-33页 |
| 4.6.3 改进之后的算法 | 第33-34页 |
| 4.6.4 复杂性分析 | 第34-37页 |
| 第五章 实验分析 | 第37-43页 |
| 5.1 合成数据的生成 | 第37-38页 |
| 5.2 数据密集程度对算法的影响 | 第38页 |
| 5.3 参数clumpy对算法的影响 | 第38-39页 |
| 5.4 扩展性测试 | 第39-41页 |
| 5.5 真实数据集评估 | 第41-42页 |
| 5.6 复杂模式挖掘 | 第42-43页 |
| 第六章 总结和展望 | 第43-44页 |
| 6.1 总结 | 第43页 |
| 6.2 未来研究方向 | 第43-44页 |
| 参考文献 | 第44-46页 |
| 致谢 | 第46页 |
