随着城市信息化进程加快,电子政务和"数字城市"建设了大量业务型和公共信息平台,其中包含了大量的属性信息和空间信息.但是,到目前为止,虽然大多数统计信息系统积累了大量数据,但对这些信息的利用大多停留在简单查询汇总的阶段,缺少有效使用这些数据的方法,因此无法发现数据中存在的关系和规则,使得政府决策、社会应用的深度和广受受到很大限制,更无法根据现有的数据预测未来的发展趋势,也无法为政府部门的城市规划、城市管理提供有效的决策支持,导致了"数据爆炸但知识贫乏"的现象.因此,从数据挖掘的角度,进而从空间数据挖掘的角度,把与空间位置相关的人口统计信息与城市基础地理信息以及其他电子政务信息整合起来,进行空间信息挖掘,并把结果以可视化的方式直观地呈现出来,是既有现实意义也有理论意义的课题.该文面向电子政务人口统计信息系统提出了一套数据挖掘模式,并且进行了初步的实验.数据挖掘模式中数据准备阶段的实验包括数据仓库的逻辑设计、数据模型的建立以及各种数据切片的设计.论文研究了在此过程中使用的关键技术——基于概念层次的分类规则挖掘算法,通过具体实现步骤探讨了它在面向电子政务的人口统计信息系统中的应用.该算法改进了系统的泛化算法,使得得到规律更加简单明了,便于人们的理解.人口信息作为与空间位置有关的电了政务信息,仅仅使用上述一般的数据挖掘算法不能得到完全有用的知识.为此,全文构建了面向电子政务的空间数据挖掘的框架,这个框架考虑了电子政务中空间数据的特点以及空间数据与属性数据关联的问题,以及如何集成各种空间数据挖掘方法,便于用户交互控制和管理知识库.然后通过一种基于密度的空间聚类算法,分析了它在流动人口密度聚类方面的应用,证明把空间数据挖掘算法用于电子政务领域是可行的.论文把各种数据挖掘方法应用到广州市统计信息系统中,在描述了系统工作环境和系统结构的基础上,提供了一个简单的面向用户的数据挖掘工具包,并且把各种结果以专题图、地图等图形的形式直观地呈现给用户.论文把数据库技术、数据仓库、数据挖掘思想和算法、GIS、空间分析等先进的信息技术应用于人口学和经济地理等半定量的学科,提出了基于GIS平台和大型数据库的面向电子政务的数据挖掘模式和原型.论文在这些方面的探索具有一定的理论意义,也有很大的推广应用价值.