本书聚焦空间模式为何频繁、如何频繁，以特征在空间模式中的不同作用为主线，以模式的实例在空间中频繁地并置出现的拓扑结构为切入点，对实例之间的空间相关性生成方法做了改进，借助模式的行实例依赖的网状拓扑结构的疏密调节提供了响应用户兴趣的新路径，分别基于维诺图、可达性和紧密中心性，提出了空间并置核模式、空间并置可达模式和空间并置紧密模式。

第1章 绪论
1.1 研究背景及意义
1.2 研究现状
1.2.1 空间并置模式挖掘算法相关工作
1.2.2 空间邻近关系的生成相关工作
1.2.3 空间并置模式的频繁性度量相关工作
1.2.4 其他相关工作
1.3 研究思路及主要工作
1.4 本书组织架构
第2章 相关基础知识
2.1 空间并置模式挖掘的经典模型
2.1.1 空间邻近关系的定义
2.1.2 模式的频繁性定义
2.1.3 空间并置模式的经典算法示例
2.2 空间拓扑结构
2.3 其他基础概念
2.3.1 维诺图
2.3.2 狄洛尼三角剖分
2.3.3 KD树
2.3.4 可达性
2.3.5 中介中心性
2.3.6 紧密中心性
2.3.7 二部图
2.4 本章小结
第3章 基于维诺图的空间并置核模式挖掘
3.1 引言
3.2 基于维诺图的核邻居生成
3.2.1 基于维诺图的核邻居
3.2.2 核邻居字典生成算法
3.3 基于核参与率的频繁性度量
3.3.1 核模式的基本概念
3.3.2 核模式的基本性质
3.4 空间并置核模式挖掘算法设计与分析
3.4.1 空间并置核模式挖掘算法
3.4.2 空间并置核模式挖掘算法描述与分析
3.5 实验设计与分析
3.5.1 实验设备及数据集
3.5.2 空间并置核模式挖掘算法的指标测试
3.6 本章小结
第4章 基于可达性的空间并置可达模式挖掘
4.1 引言
4.2 空间并置可达模式
4.2.1 可达模式的基本定义和性质
4.2.2 极大l-可达模式挖掘的基本算法
4.3 极大l-可达模式的挖掘改进算法
4.3.1 l-可达团
4.3.2 迭代的二部图
4.3.3 基于迭代二部图的改进算法
4.4 基于中介中心性的中介特征发现
4.5 实验设计与分析
4.5.1 数据集分析
4.5.2 平均相似度测试
4.5.3 可达步长阈值l的敏感性测试
4.5.4 算法的效果测试
4.5.5 算法的效率测试
4.5.6 特征的中介中心性分析
4.6 本章小结
第5章 基于紧密中心性的空间并置紧密模式挖掘
5.1 引言
5.2 空间互邻关系
5.2.1 实例分割
5.2.2 基于KD树生成空间互邻关系
5.3 基于紧密中心性的频繁性度量
5.3.1 空间并置紧密模式的基本定义及性质
5.3.2 空间并置紧密模式挖掘算法
5.4 实验设计与分析
5.4.1 数据集合
5.4.2 精确率、准确率和召回率测试
5.4.3 空间并置紧密模式挖掘算法的效率测试
5.4.4 空间并置紧密模式对分布密度的反馈测试
5.4.5 特征的紧密中心性测试
5.5 本章小结
第6章 自顶向下的极大高效用空间并置模式挖掘
6.1 高效用空间并置模式及其极大模式
6.2 基于团哈希表的自顶向下的挖掘方法
6.2.1 极大团枚举
6.2.2 哈希映射
6.2.3 自顶向下反向挖掘
6.3 实验分析
6.3.1 实验环境
6.3.2 极大高效用空间并置模式挖掘算法的效果
6.3.3 极大高效用空间并置模式挖掘算法的效率
6.4 本章小结
第7章 总结与展望
7.1 工作总结
7.2 工作展望
参考文献