近年来随着地理信息系统的研究极其应用的逐步深入,空间数据挖掘逐渐成为数据挖掘一个重要的研究方向.空间分类是空间数据挖掘一个有意义的研究分支,它对空间对象进行分析,在空间数据库对象的空间属性和非空间属性之间发现与一定的空间特征有关的分类模式.空间分类任务在对空间对象进行分类时,不仅要考虑该空间对象的非空间属性对其分类的影响,还要考虑其空间邻接对象的非空间属性对该对象类别的影响.该文在现有的空间分类挖掘研究的基础上作了如下的工作:第一:尝试将朴素贝叶斯分类法用于空间分类,提出了一种基于邻接关系的空间朴素贝叶斯分类法.该分类方法采用两个训练数据库E1、E2,E1包含空间对象的非空间属性及类属性,E2包含对象的空间邻接对象的非空间属性聚合值及类属性.将待分类对象O的非空间属性对分类的影响及其空间邻接对象对分类的影响按比例考虑,得到一个综合的分类结果.第二:将待分类空间对象的非空间属性及空间属性相对分离考虑,提出一种有意义的空间分类方法,既基于非空间属性的空间分类和基于空间谓词的空间分类方法.该种分类方法可以将满足一定的非空间属性条件的对象据其空间谓词进行分类,及将满足一定的空间条件的对象据其非空间属性进行分类.第三:针对现有的空间分类算法的可伸缩性问题提出一种可伸缩的基于决策树的空间分类方法,该方法先求出训练库中对象的空间邻接对象的非空间属性聚合值并将其加入训练库中,将训练库分散为属性列表及类列表,进行预排序,在建树的过程中采用计算属性的信息增益以决定待分割属性、以Gini指标决定分割点、计算节点的类直方图及宽度优先的增长策略等方法.上述算法在分类之前均对非空间属性及空间谓词进行属性概化及属性相关分析,去掉了冗余的和与分类无关的属性,减少了计算复杂度.最后,通过实验验证了算法的可行性及有效性.