①针对国内外对土地用途分区和空间数据挖掘的研究取得的成果和不足之处，分析了基于数据挖掘的土地利用分区问题研究的必要性，建立起面向土地信息的空间数据挖掘的基础理论和技术框架，进一步完善了空间数据挖掘的理论和方法。从土地用途分区、空间数据挖掘的定义出发，定义了面向土地利用分区数据挖掘的概念、特征和内容；提出了一种包括数据层、知识层、挖掘层和人机交互层的空间数据挖掘体系结构；阐述领域空间数据挖掘的基本步骤和从土地利用数据库中能发现的知识类型；探讨了土地用途分区数据挖掘的基本方法，主要包括空间计算模型——空间关系度量的方法；空间数据关联规则的挖掘方法——概念格；空间数据聚类分析的方法——基于人工免疫系统的聚类算法思想；探讨了土地用途分区的知识体系，构建了基于领域知识的土地用途分区模型。

②形式概念分析理论也称为概念格理论，是用数学形式化方法对从数据中产生概念的过程进行分析的有力工具，这与数据挖掘是从大量数据中产生知识的过程是一致的，因此，形式概念分析理论非常适合于进行数据挖掘的研究。针对概念格难以表达空间概念的问题，研究了多值背景下概念格的构建方法，并对该理论进行了扩展，将模糊概念格用于空间关联知识的挖掘，研究了模糊概念格的渐进式构造算法，针对空间数据海量的特征，引入了基于辞典序索引树算法和Hasse图绘制方法，提出了空间关联规则的提取方法，并建立了空间关联知识表达与存储的方式。结合概念的属性、语义距离等影响语义相似度的因素，提出了一种基于本体结构的地理实体语义相似度测度模型，同时将基于语义距离的方法与基于属性的方法相结合，从而更加全面地量化本体结构中实体之间的语义相似度。

③土地用途分区是一个非常复杂的多目标优化问题。而聚类分析是一种典型的解决组合优化问题的方法。在分析了传统的克隆选择算法的基础上，对其进行了扩展，对混沌优化进行改进，提出了三种结合方式，构建了混沌免疫克隆选择算法模型。传统聚类方法存在过分依赖数据集聚类原型的问题，为了解决这一问题，基于混沌免疫克隆选择算法提出了一种基于知识的多目标优化聚类模型。该模型是用混免疫克隆选择算法进行聚类，借助混沌免疫克隆选择算子的优势，将进化搜索与随机搜索、全局搜索和局部搜索相结合，通过对候选解进行操作，能够快速得到全局最优解，而不受到样本集方差分布的影响。因此使用混沌免疫克隆选择算法能同时处理多类原型的数据聚类问题，并可以在聚类的过程中获得类数信息。(www.daowen.com)

④在面向土地用途分区的空间数据挖掘的相关理论与技术研究的基础上，研究了面向土地用途分区的空间数据挖掘原型系统的结构设计、功能设计、数据库设计、模型库实现以及功能库实现；开发了一套原型系统，该原型系统包括以下功能模块：土地利用数据管理模块、土地利用知识挖掘模块、土地用途分区挖掘模块、系统库管理模块和可视化表达模块。目前已基本实现了这些功能。通过原型系统的开发，体现了土地用途分区的基本过程，本章使用模糊概念格获取了土地利用的空间关联规则，提出了整合土地利用数据库和相关专题数据的方法，形成可用于挖掘的整合数据库。以宜城市为例进行基于多目标的土地用途分区聚类实验；以海南省昌江县乌烈镇为例实现了改进克隆选择算法的土地用途分区实验；以海南省昌江县海尾镇为例实现了顾及语义相似度的土地用途分区方法的实验。实验结果表明：提出的空间数据挖掘模型，可以较好地解决土地数据难于利用问题，满足土地用途分区的空间数据挖掘的需求。因此基于知识的土地用途分区聚类挖掘模型是一种智能、高效、准确的分区工具。