第1章 基础知识

1.1 空间数据信息

1.1.1 空间数据特征

1.1.2 空间数据分类

1.1.3 空间数据模型

1.1.4 地理信息系统

1.1.5 空间数据库

1.2 空间数据挖掘

1.2.1 空间数据挖掘的特点

1.2.2 空间数据挖掘的知识类型

1.2.3 空间数据挖掘的过程

1.2.4 空间数据挖掘的可视化

1.3 空间数据聚类

1.3.1 聚类算法概述

1.3.2 聚类算法基本过程

1.3.3 聚类算法分类

1.3.4 聚类有效性指标

1.4 空间数据查询

1.4.1 空间索引结构

1.4.2 空间查询

1.5 空间数据分析

1.5.1 空间拓扑关系

1.5.2 空间方向关系

1.5.3 空间距离关系

1.5.4 空间关系推理

1.6 本章小结

第2章 基于k-means聚类的方法

2.1 基于密度期望确定k-means算法的初始中心点

2.1.1 相关概念

2.1.2 基于密度期望选取初始中心点

2.2 基于密度期望及有效性指标确定k值的选取

2.2.1 有效性指标函数

2.2.2 结合密度期望及有效性指标选取有效聚类数k值

2.3 基于全局中心的高密度不唯一的k-means算法研究

2.3.1 基于不唯一密度的初始中心点选取

2.3.2 基本定义

2.3.3 基于不唯一密度的初始中心点选取方法

2.3.4 基于NDK-means和有效性指标的k值优化

2.4 基于蚁群算法的增量FCM聚类算法

2.4.1 蚁群算法

2.4.2 基于ACO算法的改进的FCM算法

2.4.3 基于ACOFCM算法的增量聚类研究

2.5 基于相对密度的多分辨率增量聚类算法

2.5.1 基于相对密度多分辨率聚类算法

2.5.2 算法K-RDC描述及过程

2.5.3 基于中心点及相对密度的增量聚类算法

2.6 本章小结

第3章 不确定空间数据聚类方法

3.1 不确定数据信息概述

3.1.1 不确定数据信息来源

3.1.2 不确定数据信息分类

3.1.3 不确定空间数据对象

3.2 典型不确定数据聚类方法

3.2.1 基于划分的不确定数据聚类方法

3.2.2 基于密度的不确定数据聚类算法

3.2.3 其他不确定数据聚类算法

3.2.4 聚类评测标准

3.3 基于人工蜂群算法改进模糊C-均值聚类算法

3.3.1 人工蜂群算法

3.3.2 结合人工蜂群算法确定模糊C－均值算法初始中心点

3.4 面向空间不确定数据的模糊聚类分析

3.4.1 不确定数据模型

3.4.2 空间不确定数据模糊聚类算法

3.4.3 空间不确定数据模糊聚类算法的改进方法

3.4.4 改进空间不确定数据模糊聚类算法描述

3.5 不确定数据聚类的U-PAM算法和UM-PAM算法

3.5.1 基本定义

3.5.2 PAM算法

3.5.3 U-PAM聚类算法

3.5.4 UM-PAM聚类算法

3.5.5 基于U-PAM和CH有效性指标优化

3.6 本章小结

第4章 障碍物环境下的聚类方法

4.1 障碍约束下的聚类概述

4.2 COD CLARANS方法

4.3 DBCLuC方法

4.4 AutoClust和AutoClust＋方法

4.5 障碍约束下的基于矩形格的聚类方法

4.6 本章小结

第5章 空间近邻关系查询基础

5.1 空间最近邻查询概念

5.1.1 最近邻查询意义

5.1.2 最近邻查询基本定义

5.2 典型变体空间最近邻查询

5.3 最近邻查询的基本方法

5.3.1 基于树索引结构的查询方法

5.3.2 基于Voronoi图的查询方法

5.3.3 基于空间填充曲线的查询方法

5.4 本章小结

第6章 Voronoi图的生成及查询技术

6.1 基础定义和性质

6.2 Voronoi图的生成方法

6.3 基于Voronoi图的基本近邻查询

6.4 数据集中强邻近对查询

6.4.1 基本定义

6.4.2 无障碍物的强邻近对查询

6.4.3 有障碍物的强邻近对查询

6.4.4 障碍物环境下的优化过滤查询

6.4.5 数据存储结构

6.4.6 基于最小内切圆和网格的近似查询

6.4.7 动态数据集中的强邻近对查询

6.5 基于Voronoi图的空间反向最近邻查询

6.5.1 Voronoi图与反向最近邻查询

6.5.2 利用Voronoi图处理数据集的反向最近邻

6.5.3 插入点时反向最近邻的判定

6.5.4 删除点时反向最近邻的判定

6.5.5 部分空间数据存储结构

6.6 路网中基于Voronoi图的反向最近邻查询

6.6.1 基础知识

6.6.2 过滤过程

6.6.3 精炼过程

6.6.4 基于NVD的RNN算法描述

6.6.5 路网中新增点对反向最近邻查询的影响

6.6.6 路网中删除点对反向最近邻查询的影响

6.7 路网环境下的组k最近邻查询方法

6.7.1 基本定义和性质

6.7.2 处理数据集

6.7.3 过滤过程

6.7.4 精炼过程

6.7.5 基于NVD的GkNN算法

6.7.6 路网中新增点对组k最近邻查询的影响

6.7.7 路网中删除点对组k最近邻查询的影响

6.8 障碍空间中基于Voronoi图的kNN查询

6.8.1 过滤过程

6.8.2 精炼过程

6.8.3 障碍空间中基于Voronoi的kNN算法描述

6.8.4 障碍空间中新增点对kNN的影响

6.8.5 障碍空间中删除点对kNN的影响

6.9 本章小结

第7章 空间数据索引结构和查询技术

7.1 IRT树索引结构与基本操作算法

7.1.1 IRT树索引结构

7.1.2 IRT树索引结构的基本操作

7.2 基于RBRT树的近邻查询

7.2.1 RBRT树空间索引结构

7.2.2 基于RBRT树的最近邻查询

7.2.3 基于RBRT树的受限最近邻查询

7.2.4 基于RBRT树的受限单纯型连续近邻链查询

7.3 RTC树空间索引结构

7.3.1 RTC树的组织结构

7.3.2 基于节点相交策略的搜索方法

7.4 基于RTC树的近邻关系查询

7.4.1 基于RTC树的最近邻查询

7.4.2 障碍物环境下基于RTC树的最近邻查询

7.4.3 基于RTC树的动态单纯型连续近邻链查询

7.5 典型曲面上的点的索引和近邻查询

7.5.1 柱面和锥面上点的索引和最近邻查询

7.5.2 球面上的点的最近邻查询

7.6 空间关系连接处理

7.6.1 种子树方法

7.6.2 空间哈希方法

7.6.3 槽索引方法

7.6.4 同步遍历方法

7.6.5 窗口缩减方法

7.6.6 分区空间合并连接

7.6.7 空间连接索引技术

7.7 本章小结

第8章 基于位置轨迹的移动对象的最近邻查询方法

8.1 基本定义

8.2 基于位置轨迹的移动对象的最近邻查询

8.2.1 预定区域的距离函数计算法

8.2.2 基于索引树的渐进筛选法

8.2.3 基于Voronoi图的查询方法

8.3 本章小结

第9章 基于聚类的R树构建方法

9.1 混合聚类算法CUK-MEANS和R树构建方法

9.1.1 混合聚类算法

9.1.2 基于CUK-MEANS算法的R树索引构建方法

9.1.3 基于CKR-R算法的R树节点分裂方法

9.2 改进的基于CURE算法的R树构建和操作方法

9.2.1 CU_RSbuilt算法和CU_RHbuilt算法

9.2.2 节点分裂算法

9.3 基于Hilbert曲线的不确定数据索引结构和查询方法

9.3.1 Hilbert曲线编码以及Hilbert-R树

9.3.2 基于Hilbert曲线的HC_UNCERTAIN算法

9.3.3 基于CURE算法的Hilbert-R树索引结构构建

9.3.4 基于概率阈值的查询算法HPTRQ

9.3.5 不确定数据组最近邻查询算法

9.4 本章小结

第10章 单纯型连续近邻链查询

10.1 单纯型连续近邻链的基本查询方法

10.1.1 基于R树索引结构的查询方法

10.1.2 基于Vornoi图的查询方法

10.2 基于不变数据集和可变数据集的查询

10.2.1 基于不变数据集的查询

10.2.2 基于可变数据集的查询

10.3 预定数据规模的单纯型连续近邻链查询

10.4 障碍物环境下的单纯型连续近邻链查询

10.4.1 障碍线和单纯型连续近邻链

10.4.2 障碍物环境下的逐步启发式查询方法

10.4.3 基于Voronoi图的ObSCNNC_VOR算法

10.4.4 障碍物环境下的动态数据集中的单纯型连续近邻链查询

10.5 障碍物动态变化环境下的单纯型连续近邻链查询

10.5.1 基本定义

10.5.2 静态障碍物环境下的单纯型连续近邻链查询

10.5.3 动态障碍物环境下的单纯型连续近邻链查询

10.6 受限区域内的单纯型连续近邻链查询

10.6.1 基本概念和定义

10.6.2 无障碍环境下的受限区域内的单纯型连续近邻链查询

10.6.3 障碍物环境下的受限区域内的单纯型连续近邻链查询

10.7 动态受限区域内的单纯型连续近邻链查询

10.7.1 初始受限区域内的单纯型连续近邻链查询

10.7.2 受限区域扩张环境下的单纯型连续近邻链查询

10.7.3 受限区域收缩环境下的单纯型连续近邻链查询

10.8 本章小结

第11章 3D方向关系模型

11.1 基本3D方向关系模型

11.1.1 基本3D方向关系模型的概念

11.1.2 3D空间对象的动态方位邻接关系

11.1.3 3DR27空间对象方位关系的双向映射模型

11.1.4 3DR39模型的双向关联表示

11.1.5 3DR43模型和3DR47模型

11.2 3DR39-3d方位关系模型

11.2.1 基础定义

11.2.2 3DR39-3d模型的动态方位关系

11.2.3 3DR39-3d模型的反方位关系

11.3 3DR44-4d方位关系模型

11.3.1 基本定义和概念

11.3.2 3DR44-4d模型的动态方位关系

11.4 本章小结

第12章 Vague区域关系与方向关系的表示

12.1 不确定区域关系

12.1.1 空间不确定性

12.1.2 不确定区域关系处理方法

12.1.3 数学方法

12.2 基本Vague区域关系

12.2.1 Vague区域的定义

12.2.2 无核Vague区域关系

12.2.3 含核Vague区域关系

12.3 Jrv类粗糙Vague区域关系

12.3.1 Jrv类粗糙Vague区域关系

12.3.2 Jrv类粗糙Vague区域关系的动态关联性

12.3.3 Jrv类粗糙Vague原子区域关系的可能蕴涵情况

12.3.4 Jrv类粗糙Vague区域关系的可能蕴涵式

12.4 Vague区域关系与方向关系的表示

12.4.1 Vague方向关系表示

12.4.2 Vague方向关系的动态性

12.4.3 Vague方向关系的反向关系推理

12.4.4 Vague方向关系和区域关系的复合关联推理

12.5 本章小结

第13章 空间网络间的空间关系

13.1 空间网络间的空间关系分析

13.1.1 基本概念

13.1.2 严格型的空间网络间的空间关系表示

13.1.3 扩展型的空间网络间的空间关系表示

13.2 空间网络间的空间关系的交集模型

13.2.1 空间网络间的空间关系的交集模型表示

13.2.2 空间网络间的空间关系的特征条件式和蕴涵条件式

13.3 空间网络间的空间关系推理

13.4 本章小结

参考文献