空间数据挖掘中聚类分析算法的研究

随着数据获取技术的发展以及数据获取手段的多样化，大量与空间位置相关的数据被收集，人们迫切需要强有力的数据分析工具来从这些数据中获取信息或知识，这一需求导致了空间数据挖掘这一全新研究领域的出现。空间聚类分析既可以发现隐含在海量数据中的聚类规则，又可以与其它数据挖掘方法结合使用，发掘更深层次的知识，提高数据挖掘的效率和质量，是空间数据挖掘的重要研究方向之一。其主要研究内容和相关结论如下：

利用CHAMP卫星轨道和加速度计数据推求地球重力场模型

本文紧密结合当前卫星重力测量技术的发展需求，围绕利用CHAMP卫星轨道和加速度计数据恢复地球重力场展开研究，重点在CHAMP数据预处理、重力场恢复、正则化算法等方面进行了理论和实践上的系统研究，建立了一套完整的CHAMP重力场恢复理论和算法。论文的主要内容和创新点概括如下：

CHAMP卫星能量守恒方程及其误差分析

利用CHAMP卫星轨道和加速度计数据恢复地球重力场模型的一种有效方法是能量守恒方法。本文详细给出了能量守恒方法的基本原理和数学模型，推导了惯性系和地固系下的能量守恒方程，并将其表示成三维直角分量的形式。论文最后分析了能量方程中各项误差影响。

利用CHAMP卫星轨道和加速度计数据恢复重力场方法概述

回顾了目前利用CHAMP卫星轨道和加速度计数据恢复地球重力场模型的各种方法；从观测值、观测方程和解算方法三个方面，对现有各种CHAMP重力场模型恢复方法进行了详细的归纳与分类，并指出了各方法的优缺点。

基于GPS数据的星地单向时间同步

本文给出了星地无线电单向时间同步技术的原理和数学模型，分析了1ns时间同步精度对于观测值和改正项的精度要求；基于GPS观测值分析了几个影响时间同步的改正项；计算TN站钟差，并分析了其精度，结果表明基于GPS数据的星地单向时间同步精度是7ns。