摘要：聚类分析是数据挖掘领域一个非常活跃的研究课题，在国内外得到了广泛关注，被应用到诸多的领域中，如市场预测研究、模式识别、模式分析和异常检测等。空间数据挖掘是数据挖掘的最新研究领域之一。
论文介绍了空间对象间包含关系的判断方法（对象间包含关系含：点-线包含关系、点-面包含关系、线-面包含关系、面-面包含关系），并对空间面对象根据其包含的对象进行聚类分析。本文介绍了两种针对分类属性的聚类方法：CLOPE算法，ROCK算法。本文使用VC++6.0作为实验平台，采用GML数据源，对两种聚类方法进行了实验。
关键词：数据挖掘，聚类,空间对象，CLOPE，ROCK
Abstract：As an important research field of data mining, clustering is widely applied in market prediction, pattern recognition, pattern analysis, anomaly detection, etc. Spatial data mining is one of the latest research areas of data mining.
In this paper, we introduce some algorithms to judge the including relation between two spatial objects. There are four kinds of including relation: point-lines, point-polygon, lines-polygon, polygon-polygon. We cluster the spatial polygons by the objects included. This paper introduces two algorithms: CLOPE and ROCK, both of them are used for category attributes. We implement the two algorithms with VC++ 6.0 and use GML data source.
Key words: Data Mining, Cluster, Spatial Objects, CLOPE, ROCK
本文主要介绍了空间对象之间包含关系的判定方法，并根据包含关系对面对象进行聚类。全文共分为5章，各章内容安排如下：
第一章简要介绍了空间拓扑关系的研究现状和意义，并介绍了几种适用于本研究的聚类方法。
第二章详细介绍了几种用于计算空间对象之间包含关系的判定方法，并进行了实验验证。
第三章首先简要介绍了目前使用的几类聚类方法，并列举出每一类算法中的经典算法。然后介绍了本文运用的两种算法，并对两种算法进行了实验。
第四章对全文进行了总结，并对未来学习寄予希望。
