随着卫星、CT成像等传感器的广泛应用，空间数据的数量和复杂性都在飞快地增长，但空间数据的处理技术却相对落后，因此，空间数据挖掘成为了数据挖掘的一个新的研究领域。空间离群点挖掘作为空间数据挖掘的一个重要分支，用来发现空间数据集中与其邻域对象的非空间属性值有明显不同的小部分空间对象。空间离群点挖掘在交通控制、遥感图像分析等应用领域中具有重要意义。　　本文在对国内外研究现状进行综合分析的基础上，进一步对空间离群点的挖掘算法进行深入研究。　　首先，针对现有空间离群点挖掘算法中存在的空间对象有可能会被其周围异常邻居对象影响的缺陷，基于KNN图的工作原理，利用裁剪边策略，提出了基于KNN图的空间离群点挖掘算法BKNN。该算法在挖掘空间离群点的同时，还可以挖掘出空间离群区域。　　其次，考虑到现有空间离群点挖掘算法中存在忽略空间属性对空间对象离群度计算的影响问题，基于WSO思想下，利用将非空间属性加权的方法，确定空间属性对空间离群度计算的影响因子，在传统的Z-value算法的基础上，提出了改进的Z-value算法---IZ-value算法。　　再次，针对IZ-value算法中存在着某些空间对象之间差异会被隐藏的情况，在研究了IZ-value算法的基础上，基于WSO思想，提出了加权的差值算法---WDA算法。　　最后，在FMR数据集和WNV数据集上，分别对基于KNN图的空间离群点挖掘算法和基于WSO思想的两个空间离群点挖掘算法进行实验，验证了算法的有效性。