在城市数字化,智能化的浪潮中,城市数据是城市智能化的基石,如何高效处理分析城市数据成为研究热点,所以本文就针对如何挖掘城市数据中显露模式的问题进行了深入的研究。因为城市数据具有多维异构、来源丰富等特性,导致无法直接挖掘显露模式。所以本文针对城市的不同数据类型和不同的挖掘目标给出对应的数据特征抽取方法,使得可以对城市数据进行显露模式挖掘,同时对没有预先给定特征抽取方法的数据,提出了利用城市原始数据分布状况挖掘疑似显露模式的算法,从而达到对城市数据的充分利用。本文主要工作如下:1.针对城市数据类型和挖掘目标的不同设计对应数据特征抽取方法本文针对几种常见的城市数据,如POI数据、GPS数据、公交数据等,结合不同的挖掘目标给出了不同的特征抽取方法,例如:城市中POI数据,其挖掘目标可能是不同类别POI的显露模式,也可能是不同功能区域之间POI的显著差异属性。同时为了实现挖掘不同区域的POI显露模式,设计一种基于层次树对POI名称直接聚类的特征抽取方法。最后通过真实的城市数据进行实验挖掘到有效的显露模式。2.针对没有预先特征抽取数据挖掘疑似显露模式方法无法预先对所有数据和不同的挖掘目标都设计对应的特征抽取方法,所以导致这些数据无法挖掘显露模式,为解决这个问题,本文依据格代数理论,针对城市原始数据分布的状态,在格中寻找标注数据的支配节点,提出了一种在支配数据点外侧区域挖掘疑似显露模式的算法s-EP,并分析了算法的有效性。