随着Internet技术和GIS(Geographical Information System,地理信息系统)技术的发展,WebGIS成为GIS领域研究的热点。利用网络技术,依托空间数据库,通过与浏览器的交互,WebGIS使不同地区的客户端实现图形及属性数据的查询与检索。由于空间数据本身的复杂性和海量性,实现对海量空间数据快速查询必须使用索引技术,选择高效的索引技术是提高空间数据库和GIS性能的重要方法。R树的生成过程是个典型的空间聚类问题,利用混合聚类算法将相邻或相近的对象聚集在一起,将聚类后的数据使用Hilbert分形曲线进行线性排序,在此基础上生成Hilbert R树。根据这个思路,提出了一种基于混合聚类的高性能空间索引算法。实验证明,该算法虽然增加了存储开销,但是缩短了在空间数据库上执行空间查询的响应时间,明显加快了搜索速度,改善了查询性能。论文的主要内容如下:1.详细分析了R树和R树改进算法的结构,构造原理和查询过程,重点研究插入新的空间对象导致的结点分裂算法,以及分析了它们的适用范围和存在的问题;2.分析K-means聚类技术的缺陷,对经典的算法进行了部分扩充和改进,提出了面向Hilbert R树的混合聚类算法;3.提出对空间对象聚集的区域和稀疏的区域分别处理;4.将混合聚类技术引入R树的生成过程中,提出一种基于混合聚类的空间索引算法。在R树的生成过程中,采用混合聚类的思想对空间对象进行预处理,将相邻或相近的对象聚集在一起组成R-树的结点。它能获得比一般R树更小的结点覆盖区域,具有更高的检索效率以及与R树相差无几的建树时间,最后给出基于混合聚类的空间索引算法流程;5.实现基于混合聚类的空间索引,并给出实验数据和分析,并将研究成果应用于东莞市水资源管理系统中。