空间数据挖掘是指从空间数据库中提取隐含知识、空间关系或者存储在数据库中有意义的特征和模式,它是数据挖掘的一个重要研究方向,随着空间数据库技术的发展以及空间数据的日益累积,空间数据挖掘技术的重要性越发凸显,本文对空间数据挖掘中的同位模式挖掘算法进行了详细的阐述和研究,总结了传统同位挖掘算法的特点和局限性,并在此基础上做出了改进。传统的空间关联规则方法在处理空间关系时不太适用,同位模式的提出很好地解决了挖掘正确有效的空间关联规则的需要。空间同位模式是一些空间特征的集合,这些空间特征的实例因为空间接近性而频繁地聚集在一起。基于KD-Tree的同位模式挖掘算法,是在传统同位模式挖掘的基础上引入了一种高效的空间索引结构,利用KD-Tree来搜索满足空间邻域关系的实例,生成所有的二维同位模式,再利用apriori-gen算法中的连接步骤生成二维以上的同位模式,提高了算法的效率；在此基础之上,结合现实世界中空间数据分布的不均匀性,提出了一种基于密度的同位模式挖掘算法,通过空间分区和引入参与索引的动态上层界限,不必对整个空间中的所有特征实例进行逐一检测确认,减少了邻域关系的检测时间以及连接运算的数目。最后,本文分析了算法的正确性和全面性,并通过实验对算法进行了模拟,实验结果表明本文提出的改进算法较之前的算法提高了运行效率。同时,本文利用组件式GIS实现了基于GIS平台的空间同位模式挖掘模块。