地名在日常生活中常被用于指示区域位置,是传达位置信息的载体;在地理信息系统中,地名在描述及获取相关地理信息方面也起到关键性作用.然而由于人类在对现实世界进行认知的过程中存在一定的模糊性,除了部分有明确空间范围的地名(如行政区划地名)外,许多人们在日常生活中使用的地名往往是没有确定边界范围的模糊区域.地名词典(地名数据库)以<名称、类型、地理空间范围>的形式存储和管理地名及其相关地理信息,为GIS提供基础数据服务,但其中往往缺乏对模糊地名空间范围的准确表达.因此,对模糊地名空间范围的研究可以丰富地名词典信息,向公众提供更高效的GIS空间服务.大数据时代的到来,为模糊地名空间范围的建模方法提供了新思路.本文针对现有研究方法中存在的不足,提出一种新的方法来确定模糊地名空间范围边界.充分利用网络用户生成内容(UGC)来获取大量的实验数据——模糊地名区域的新浪微博签到POI数据,进而确定模糊地名空间范围并进行可视化表达.本文提出由离群检测算法与高斯混合模型进行结合的方法,通过使用高斯混合模型建立签到POI离群值分布概率密度函数,进而从中识别出签到POI数据中的离群点,并以此为基础建立模糊地名空间范围边界.此外,本文还分析了两种不同的离群检测算法——KNN算法与LOF算法对结果的影响.基于离群点滤除的方法具有能有效识别离群点数据,参数敏感度低等特点.本文以武汉市6个中心市辖区名以及6个模糊地名为实验对象,应用基于离群点滤除的方法获取其空间范围.其中6个中心市辖区主要用于对实验方法进行定量评价,并通过与传统核密度估计方法的比较证明基于离群点滤除方法的可行性;而针对6个模糊地名的实例实验则证明了方法的有效性.