摘要：大多数数据库都不能有效地处理数据的时间维度,时空同现模式挖掘有利于提取隐含在时空数据集中有价值的信息,目前已经成为研究热点。针对现有同现模式发现方法挖掘效率较低的问题,采用双层网络对时空数据进行初始化建模,针对传统方法在进行时空兴趣度计算时未考虑对象类型存在有效周期的问题,改进了现有兴趣度计算方法,引入了权重特征值,并提出了基于网络的时空同现模式挖掘算法。实验表明,在使用不同数据量的测试集中挖掘同现模式集时,新算法的运行效率优于不对数据集进行建模的方法以及仅对实例层进行建模的方法。