空间同位(co-location)模式是指其实例在空间中频繁并置出现的一组空间特征的集合,其挖掘旨在寻找邻近域中具有频繁关联性的空间特征,是空间数据挖掘的重要研究方向之一,具有重要的理论研究意义和应用价值。传统空间同位模式挖掘方法建立在分明集之上,其特征实例的空间位置是确定的。然而,空间位置不可避免地存在不确定性,探索模糊集上的空间同位模式挖掘方法就显得十分必要。针对特征实例空间位置存在不确定性,且具有犹豫模糊性质的同位模式挖掘问题,本文通过结合犹豫模糊集理论和方法处理数据属性,建立了基于犹豫模糊集的空间同位模式挖掘方法,包括基于犹豫模糊记分参与度的空间同位模式挖掘方法和基于犹豫模糊位置参与度的空间同位模式挖掘方法,探讨了其剪枝策略,并进行实验分析和验证。本文的研究工作主要包括:(1)论文的基础理论研究。对相关理论进行研究分析,研究了空间同位模式挖掘的概念、原理、性质,包括对空间特征和空间特征实例、空间邻近关系、行实例和表实例、参与率和参与度及频繁空间同位模式等概念的研究,包括对参与率与同位模式阶数间变化关系等性质的分析;研究了空间同位模式挖掘的经典join-based算法计算原理及完整计算过程,包括对算法的全连接原理及算法的整体流程的分析;研究了模糊集理论及其相关的拓展理论,包括模糊集的概念及模糊对象的表达形式、犹豫模糊集的概念及犹豫模糊对象的表达形式,重点给出了犹豫模糊集的记分函数。(2)建立了基于犹豫模糊记分参与度的空间同位模式挖掘方法。将犹豫模糊集理论方法与空间同位模式挖掘相融合,定义了基于犹豫模糊集的空间特征及其实例,结合犹豫模糊集理论及其记分函数的计算规则,通过利用考虑决策者决策风险态度的犹豫模糊集记分函数来处理数据的模糊性,提出并定义了犹豫模糊记分参与率和犹豫模糊记分参与度,进而建立了基于犹豫模糊记分参与度的空间同位模式挖掘方法,给出了其对应的实现算法。为提高算法的运算效率,对算法的剪枝策略展开研究,并通过实验分析及算法评估验证了提出的算法和策略的有效性和可行性。(3)建立了基于犹豫模糊位置参与度的空间同位模式挖掘方法。对位置模糊的实例概念作了细致的区分,给出了实例的犹豫模糊位置概念及其表达形式。基于犹豫模糊集记分函数,提出和定义了记分空间邻近度,给出了其相关计算规则,进而提出和定义了犹豫模糊位置参与率和犹豫模糊位置参与度,建立了基于犹豫模糊位置参与度的空间同位模式挖掘方法,并给出了其对应的实现算法和相应的剪枝策略。最后通过实验分析和算法评估对提出的算法和策略进行有效性和可行性验证。