随着GPS和遥感等技术的发展,产生了大量的空间数据。如何有效利用这些空间数据挖掘隐含其中的有趣的空间模式,成为迫切需要解决的问题。空间数据挖掘就是从大量空间数据中挖掘有趣的、事先未知却潜在有用的知识和模式的过程。空间co-location模式挖掘是空间数据挖掘的一个重要分支,已经成为国内外研究和应用的热点。然而,很多部门以及很多应用都是定期或持续地收集数据,因此,这些空间数据库不断随时间动态变化。如何从动态空间数据库中挖掘有趣的空间知识和模式,成为摆在我们面前极具挑战性的难题。首先,在动态空间数据库中,相邻时间片的数据均会发生变化,因此研究快速有效的空间co-location模式增量挖掘方法是非常有意义的。然而,变化的数据会产生变化的邻近关系,进而影响到co-location模式的频繁性,因此,给增量挖掘带来了挑战。其次,强共生模式挖掘起源于微生物学并在生物学、生态科学等领域得到广泛应用,其研究需要具备领域知识,并进行长期观察和实验。但共生关系广泛存在于自然界和人类社会中,还未见到从动态数据库中挖掘强共生模式的相关研究。再者,竞争对.挖掘和因果规则挖掘分别在web数据挖掘和事务数据库的挖掘中有相关研究报道,在动态空间数据库中还没有相关研究。因此,本文以动态空间数据库为基础,综合研究了空间co-location模式的增量挖掘、强共生模式挖掘、竞争对挖掘、以及因果规则挖掘。主要工作和贡献如下:1.分析空间co-location模式增量挖掘的机理。在生成候选模式、生成变化的co-location实例、判断模式频繁性以及剪枝策略等方面均提出了有效的方法,在理论分析所提出的方法的基础上,实验验证了方法的有效性。2.总结生物学中共生关系需满足的条件,从而得到强共生模式的判定标准,并在动态空间数据库中表达这一判定标准。频繁的空间co-location模式表达了一种共存关系,共生关系是一种比共存更强的关系。本文提出从频繁co-location模式中挖掘强共生模式的新颖的算法,进一步提出改进算法和两个剪枝策略。实验验证了算法的有效性,在真实数据中对比了强共生模式集和空间co-location模式集,结果显示强共生模式更有趣。3.总结了当前具有代表性的基于web数据挖掘竞争关系的方法中的要素,即竞争的本质和竞争度,提出了从动态变化的空间数据库中挖掘竞争对的思想。给出了竞争对的定义及挖掘算法、剪枝策略。在真实数据集中比较了挖掘到的竞争对和频繁co-location模式集,以说明竞争对挖掘的效果和意义。4.因果关系是所有关系中最重要、最强也是最难挖掘的关系,一直都是研究的重点和难点。本文提出了因果规则的定义以及挖掘因果规则的算法和剪枝策略。实验验证了算法的性能和剪枝策略的剪枝度,在真实数据中比较了因果规则集和co-location规则集。最后,我们在同一个真实空间数据集中对比了挖掘到的空间co-location模式集、强共生模式集、竞争对集和因果规则集,得到了一些有趣的结论。