空间数据挖掘是数据挖掘在空间模型中的应用。在空间数据挖掘中，分析师使用地理或空间记录来创建商业智能或多个结果。这需要特定的技术和资源来将地理信息转换为相关和有用的格式。
空间数据的演变和空间数据库的广泛使用已经支配了空间知识的发现。空间数据挖掘可以作为一个过程来学习，该过程从空间数据库中决定一些惊人的和假设有价值的模式。
空间数据挖掘涉及几个挑战，包括识别模式或发现与推动研究项目的问题相关的对象。分析师可以在庞大的数据库字段或其他完全庞大的数据集中查看相关数据，使用 GIS/GPS 工具或相同的系统。
空间数据挖掘项目的目标是区分数据以构建真实的、可操作的模式来呈现，不包括诸如统计巧合、随机空间建模或不相关结果之类的东西。分析师可以做到这一点的一种方法是通过对“相同对象”或“对象等效”模型的数据查看进行组合，以支持多个地理区域的准确比较。
时态数据挖掘定义了从大量时态数据中提取非平凡、隐含和潜在必要数据的过程。时态数据是一系列主要数据类型，通常是数值，它处理从时态数据中收集有用的知识。
时序数据挖掘旨在发现更高序列数据中的时序模式、意外趋势或其他隐藏关系，这些数据由称为时序序列的字母表中的名义符号序列和称为序列的连续实值分量序列组成。时间序列，通过使用机器学习、统计和数据库技术中的一组技术。
时态数据挖掘由时态数据的描述、相似性度量的定义和挖掘服务三大工作组成。
时态数据挖掘包括处理时间序列，通常是记录序列，它在多个时间点的序列中计算相似属性的值。使用这些信息进行模式匹配，我们正在搜索感兴趣的特定模式，近年来引起了相当大的兴趣。
时态数据挖掘可以涉及利用为时态数据库开发的有效数据存储、快速处理和快速检索方法。