基于网格技术的空间知识发现与数据挖掘研究

设计了基于服务网格的空间知识发现与数据挖掘的架构,并对其关键技术进行了探讨性研究。     

论空间数据挖掘和知识发现

随着现代科技和传感器的发展和应用,复杂多变的空间数据日益膨胀,远远超出了人的解译能力,迫切需要数据挖掘和知识发现为其提供知识。本文研究了空间数据挖掘和知识发现的含义、可发现的空间的关联、特征、分类和聚类等知识,以及它与数据挖掘和知识发现、机器学习、地学数据分析、空间数据库、空间数据仓库、数字地球等相关学科的关系,概述了SDMKD的产生和发展,分析和展望了SDMKD的应用开发     

论空间数据挖掘和知识发现的理论与方法

首先分析了空间数据挖掘和知识发现(SDMKD)的内涵和外延;然后分别研究了用于SDMKD的概率论、证据理论、空间统计学、规则归纳、聚类分析、空间分析、模糊集、云理论、粗集、神经网络、遗传算法、可视化、决策树、空间在线数据挖掘等理论和方法及其进展;最后展望了SDMKD的发展前景。     

空间数据发掘和知识发现的框架

探讨和提出了空间数据发掘和知识发现的理论技术框架,包括空间数据发掘和知识发现的定义与描述、理论框架、从空间数据库中可发现的知识类型及其应用、数据发掘与知识发现方法、空间知识发现系统的结构及开发方法等,最后探讨了空间数据发掘和知识发现的发展方向。     

Towards an Integrated Model of Interoperability for Spatial Data Infrastructures

Although there is a vast literature available on interoperability models, and their respective interoperability levels, limited research has been carried out on the development of interoperability models for the implementation of Spatial Data Infrastructures. This article demonstrates the important role of metadata elements in the formalisation of interoperability models for the implementation of Spatial Data Infrastructures. It describes an approach for designing an integrated interoperability model based on the definition of a common template that integrates seven interoperability levels. They are: technical, syntactic, semantic, pragmatic, dynamic, conceptual and organisational levels. A non-hierarchical structure is proposed to ensure the relationship among these interoperability levels.     

空间数据挖掘的方法和实施

回顾了空间数据挖掘技术的现状、趋势及任务，描述了目前在空间数据挖掘中常用的一些算法；然后以海岸带地理环境评判为例，介绍了挖掘算法的实施。     

基于网格虚拟组织的空间数据基础设施探讨

网格(Grid)是新型高效的分布式计算和资源管理基础设施。分析了空间数据基础设施(Spatial Data In-frastructure,SDI)与网格技术的集成需求,扩展了传统SDI层次体系,提出一种新的SDI—基于网格虚拟组织的SDI(Virtual Organization SDI,VOSDI)。VOSDI突破原有SDI以明确的地区或地域分类分层组织的方式,通过VO对地理上分布的人员、资料及空间信息进行有效组织和整合,具有灵活高效的特性。对VOSDI的功能、特性进行探讨后,进一步提出VOSDI的概念模型,并指出VOSDI实施中可能存在的问题。     

空间数据挖掘和知识发现的现状与发展

分析了空间数据挖掘涉及的两大关键技术:空间数据仓库技术和空间数据挖掘的各种算法、地学数据挖掘所涉及的各种算法,列举了现有的各种空间数据挖掘方法,指出它们的优缺点和应用场合,简要讨论了迄今为止空间数据挖掘领域所取得的进展,展望了未来的发展方向。     

论空间数据处理与空间数据挖掘

根据现行文献中反复提到的空间数据处理内涵的理解．将空间数据处理分为空间数据处理技术和空间数据处理理论，简要论述了各自的主要内容．讨论了空间数据挖掘的现状和今后研究的重点，比较了空间数据处理与空间数据挖掘的异同。     

佛山市空间数据基础设施建设与数据共享策略

城市空间数据基础设施建设和数据共享研究,是城市信息化的基础和关键。本文探讨了佛山空间数据基础设施建设的标准规范、数据体系、空间交换网络、组织机构等内容,并分别就数据共享问题提出了相关策略。     

一种基于实体的地理空间数据模型

针对已有地理空间数据模型的不足,从人类空间认知的角度出发,探讨了基于实体的地理空间认知,设计了一种基于实体的地理空间数据模型,为复杂地理空间对象的表达提供了参考.     

空间数据融合技术在空间数据生产及更新中的应用

立足于现有的多源数据资料,利用空间数据融合方式进行空间数据的生产和更新。在阐述总体方案的基础上,按技术流程依次介绍了每个环节的处理内容和方法:通过多源数据分析评定确定数据的使用方案,通过空间数据集成消除多源数据间的差异,通过空间数据匹配建立同名实体在不同数据集中的对应关系,通过数据融合和更新派生得到更好的新数据。实验证明该方式生产周期短,有效可靠。     

空间信息Web服务在Web GIS中的共享应用研究

分析了地理空间信息共享的重要性以及传统Web GIS在数据共享方面存在的问题,结合Web服务的自身优势,研究讨论了空间信息Web服务技术在空间数据共享方面的特点。针对空间信息共享需求,提出一种基于Web服务的空间数据共享应用框架。最后,基于ArcGIS Server10.0与.net技术,介绍了省级应急指挥GIS系统中的空间数据共享技术实现案例。     

基于FME的城镇地籍空间数据转换研究

分析了目前城镇地籍空间数据ArcGIS格式向MapGIS格式转换的主要途径,并总结了这些方法的优劣,同时利用通用转换器FME语义转换的优点,实现了ArcGIS格式数据向MapInfo格式数据的高效转换。     

基于空间数据引擎的城市园林绿化空间数据组织

城市园林绿化,具有数量庞大、种类繁多、覆盖范围广等特点,为城市绿化日常管理工作增加了难度。合理、高效地组织城市绿化空间数据,是城市园林绿化数字化管理的关键与核心。本文提出了以Arc SDE空间数据引擎为基础,分析城市园林绿化数据特点,制定绿化数据结构,采用分层方式管理绿化数据,实现园林绿化要素的一张图管理。实践验证表明,此方案具有较好的可行性与实用性,可为园林绿化管理提供精确的空间位置服务,提高工作效率。     

空间数据挖掘及其不确定性研究

简要论述空间数据的不确定性及其传播,SDM＆KDD的主要技术方法,以及SDM＆KDD过程及其结果的不确定性问题,如它的算法、处理、传播模型和质量评价等。     

基于语义映射的空间数据转换及其应用研究

数据转换是GIS工程建设中的一个十分重要的内容,传统的方法往往只是进行数据格式的转换,忽略了空间数据之间的内在联系,本文将语义映射和空间操作相结合,实现空间数据和属性数据的重构,从而实现异构数据的快速转换。     

Structural Alignment Methods with Applications to Geospatial Ontologies

We consider the problem of enabling interoperability and information sharing among geospatial applications that use ontologies to describe their concepts and the relationships among them. We present two fully automatic alignment methods that use the graph structures of a pair of ontologies to establish their alignment, that is, the semantic correspondences between their concepts. We have tested our methods on geospatial ontologies pertaining to wetlands and four other pairs that belong to a repository that has been used in the Ontology Alignment Evaluation Initiative (OAEI). Using these ontologies, we have compared the effectiveness (precision and recall) of our methods against the Similarity Flooding Algorithm that was proposed by others and show that for each of the tested ontologies one of our methods is at least as effective as their method. We have tuned the performance of our methods by introducing a greedy approach that reduces the number of concepts that get compared. This approach reduces runtime by approximately 30% with a minor compromise to the effectiveness of the results. To further validate our approach, we participated in the OAEI competition to align a pair of ontologies, each with a few thousand concepts.     

面向持续交付的空间大数据基础设施设计与实现

随着空间大数据技术的快速发展,越来越多与空间大数据云平台相关的项目逐步规划和建立.GIS建设项目已经朝着平台化、虚拟化和智能化的方向转变.新一代GIS平台建设的重要原则之一,就是要把空间大数据作为企业的重要资产.它需要系统地管理、持续地维护、安全地控制以及深入地挖掘.在持续探索数据价值的过程中,对平台基础设施提出了新的技术要求,包括集成多种开源技术、支持快速的迭代开发、支持持续运行的数据分析任务等.本文研究的重点是结合DevOps等先进的面向持续交付的管理理念,利用相关技术提出空间大数据基础设施的设计方案,使其具备持续交付能力.     

SCOPED‐W: SCalable Online Platform for extracting Environmental Data and Water‐related model outputs

This article presents SCOPED, an innovative approach for extracting environmental data using OGC services. In the field of water resource management, SCOPED‐W (‘W’ for ‘Water’) is a method that was developed in the framework of EU/FP7 IASON and EOPOWER projects. This platform supports the collection of data required to build a Soil and Water Assessment Tool (SWAT) model and the uptake, spatialization and dissemination of raw data generated from the outputs of different SWAT models for the Black Sea region. Scientists are documenting the data served by the platform in ISO standardized metadata to support informed use. SCOPED‐W primarily targets the community of SWAT users in the Black Sea region but it can easily be replicated in other geographical areas. Additionally, the SCOPED approach is based on data interoperability that makes it fully compatible with other domains of application as demonstrated here with three original use cases. The article also highlights the benefits of the approach for the GEO community and discusses future improvements for supporting integration with other platforms such as UNEP Live.