gis制造的六大核心技術(shù) gis制造的六大核心技術(shù)是什么

GIS的核心是什么

GIS核心是對地理數(shù)據(jù)的采集，編輯，存儲，管理，以及地圖的出圖

紅山ssl適用于網(wǎng)站、小程序/APP、API接口等需要進(jìn)行數(shù)據(jù)傳輸應(yīng)用場景，ssl證書未來市場廣闊！成為創(chuàng)新互聯(lián)建站的ssl證書銷售渠道，可以享受市場價格4-6折優(yōu)惠！如果有意向歡迎電話聯(lián)系或者加微信：18982081108（備注：SSL證書合作）期待與您的合作！

核心主要是空間數(shù)據(jù)庫

利用什么原理工作的這個問題還是很難一兩句話說的清楚

長話短說，把平時管理系統(tǒng)里的數(shù)據(jù)換成地理數(shù)據(jù)就是一個GIS系統(tǒng)了

電子地圖GIS開發(fā)有什么核心技術(shù)

主要是基于已經(jīng)開發(fā)的gis基礎(chǔ)平臺，一些公司都有類似的地理信息系統(tǒng)平臺sitemapIMS，arcgis

,gismap等這些都是市場上主流的開發(fā)平臺。在這類平臺上針對性的電子地圖項目的二次開發(fā)，根據(jù)不同企業(yè)和客戶的對電子地圖應(yīng)用的開發(fā)需求，將自己企業(yè)相關(guān)數(shù)據(jù)應(yīng)用調(diào)用地圖數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)實(shí)現(xiàn)電子地圖的功能的查詢，信息搜索，信息展示，定位導(dǎo)航應(yīng)用等地圖功能，并能夠通過系統(tǒng)開發(fā)來進(jìn)行相關(guān)數(shù)據(jù)的可視化信息處理得出有用的數(shù)據(jù)分析，目前用的比較廣泛的有，林業(yè)gis系統(tǒng)，交通gis系統(tǒng)，電子圍欄應(yīng)用，管網(wǎng)gis系統(tǒng)，房地產(chǎn)電子地圖分析系統(tǒng)等等。上海為卓一直在從事地圖項目開發(fā)電子地圖GIS開發(fā)有什么核心技術(shù)

GIS基本技術(shù)有哪些？

引言

地理信息系統(tǒng)(Geographic Information System，簡稱GIS)是計算機(jī)科學(xué)、地理學(xué)、測量學(xué)、地圖學(xué)等多門學(xué)科綜合的技術(shù)[1]。GIS的基本技術(shù)是空間數(shù)據(jù)庫、地圖可視化及空間分析，而空間數(shù)據(jù)庫是GIS的關(guān)鍵。空間數(shù)據(jù)挖掘技術(shù)作為當(dāng)前數(shù)據(jù)庫技術(shù)最活躍的分支與知識獲取手段，在GIS中的應(yīng)用推動著GIS朝智能化和集成化的方向發(fā)展。

1 空間數(shù)據(jù)庫與空間數(shù)據(jù)挖掘技術(shù)的特點(diǎn)

隨著數(shù)據(jù)庫技術(shù)的不斷發(fā)展和數(shù)據(jù)庫管理系統(tǒng)的廣泛應(yīng)用，數(shù)據(jù)庫中存儲的數(shù)據(jù)量也在急劇增大，在這些海量數(shù)據(jù)的背后隱藏了很多具有決策意義的信息。但是，現(xiàn)今數(shù)據(jù)庫的大多數(shù)應(yīng)用仍然停留在查詢、檢索階段，數(shù)據(jù)庫中隱藏的豐富的知識遠(yuǎn)遠(yuǎn)沒有得到充分的發(fā)掘和利用，數(shù)據(jù)庫中數(shù)據(jù)的急劇增長和人們對數(shù)據(jù)庫處理和理解的困難形成了強(qiáng)烈的反差，導(dǎo)致“人們被數(shù)據(jù)淹沒，但卻饑餓于知識”的現(xiàn)象。

空間數(shù)據(jù)庫(數(shù)據(jù)倉庫)中的空間數(shù)據(jù)除了其顯式信息外，還具有豐富的隱含信息，如數(shù)字高程模型〔DEM或TIN〕，除了載荷高程信息外，還隱含了地質(zhì)巖性與構(gòu)造方面的信息；植物的種類是顯式信息，但其中還隱含了氣候的水平地帶性和垂直地帶性的信息，等等。這些隱含的信息只有通過數(shù)據(jù)挖掘才能顯示出來?？臻g數(shù)據(jù)挖掘（Spatial Data Mining，簡稱SDM），或者稱為從空間數(shù)據(jù)庫中發(fā)現(xiàn)知識，是為了解決空間數(shù)據(jù)海量特性而擴(kuò)展的一個新的數(shù)據(jù)挖掘的研究分支，是指從空間數(shù)據(jù)庫中提取隱含的、用戶感興趣的空間或非空間的模式和普遍特征的過程[2]。由于SDM的對象主要是空間數(shù)據(jù)庫，而空間數(shù)據(jù)庫中不僅存儲了空間事物或?qū)ο蟮膸缀螖?shù)據(jù)、屬性數(shù)據(jù)，而且存儲了空間事物或?qū)ο笾g的圖形空間關(guān)系，因此其處理方法有別于一般的數(shù)據(jù)挖掘方法。SDM與傳統(tǒng)的地學(xué)數(shù)據(jù)分析方法的本質(zhì)區(qū)別在于SDM是在沒有明確假設(shè)的前提下去挖掘信息、發(fā)現(xiàn)知識，挖掘出的知識應(yīng)具有事先未知、有效和可實(shí)用3個特征。

空間數(shù)據(jù)挖掘技術(shù)需要綜合數(shù)據(jù)挖掘技術(shù)與空間數(shù)據(jù)庫技術(shù)，它可用于對空間數(shù)據(jù)的理解，對空間關(guān)系和空間與非空間關(guān)系的發(fā)現(xiàn)、空間知識庫的構(gòu)造以及空間數(shù)據(jù)庫的重組和查詢的優(yōu)化等。

2 空間數(shù)據(jù)挖掘技術(shù)的主要方法及特點(diǎn)

常用的空間數(shù)據(jù)挖掘技術(shù)包括：序列分析、分類分析、預(yù)測、聚類分析、關(guān)聯(lián)規(guī)則分析、時間序列分析、粗集方法及云理論等。本文從挖掘任務(wù)和挖掘方法的角度,著重介紹了分類分析、聚類分析和關(guān)聯(lián)規(guī)則分析三種常用的重要的方法。

2.1、分類分析

分類在數(shù)據(jù)挖掘中是一項非常重要的任務(wù)，目前在商業(yè)上應(yīng)用最多。分類的目的是學(xué)會一個分類函數(shù)或分類模型(也常常稱作分類器)，該模型能把數(shù)據(jù)庫中的數(shù)據(jù)項映射到給定類別中的某一個。分類和我們熟知的回歸方法都可用于預(yù)測，兩者的目的都是從歷史數(shù)據(jù)紀(jì)錄中自動推導(dǎo)出對給定數(shù)據(jù)的推廣描述，從而能對未來數(shù)據(jù)進(jìn)行預(yù)測。和回歸方法不同的是，分類的輸出是離散的類別值，而回歸的輸出則是連續(xù)的數(shù)值。二者常表現(xiàn)為一棵決策樹，根據(jù)數(shù)據(jù)值從樹根開始搜索，沿著數(shù)據(jù)滿足的分支往上走，走到樹葉就能確定類別?？臻g分類的規(guī)則實(shí)質(zhì)是對給定數(shù)據(jù)對象集的抽象和概括，可用宏元組表示。

要構(gòu)造分類器,需要有一個訓(xùn)練樣本數(shù)據(jù)集作為輸入。訓(xùn)練集由一組數(shù)據(jù)庫記錄或元組構(gòu)成,每個元組是一個由特征(又稱屬性)值組成的特征向量,此外,訓(xùn)練樣本還有一個類別標(biāo)記。一個具體樣本的形式可為:( v1, v2, ..., vn; c )；其中vi表示字段值，c表示類別。

分類器的構(gòu)造方法有統(tǒng)計方法、機(jī)器學(xué)習(xí)方法、神經(jīng)網(wǎng)絡(luò)方法等等。統(tǒng)計方法包括貝葉斯法和非參數(shù)法(近鄰學(xué)習(xí)或基于事例的學(xué)習(xí))，對應(yīng)的知識表示是判別函數(shù)和原型事例。機(jī)器學(xué)習(xí)方法包括決策樹法和規(guī)則歸納法，前者對應(yīng)的表示為決策樹或判別樹，后者則一般為產(chǎn)生式規(guī)則。神經(jīng)網(wǎng)絡(luò)方法主要是反向傳播（Back-Propagation,簡稱BP）算法，它的模型表示是前向反饋神經(jīng)網(wǎng)絡(luò)模型(由代表神經(jīng)元的節(jié)點(diǎn)和代表聯(lián)接權(quán)值的邊組成的一種體系結(jié)構(gòu))，BP算法本質(zhì)上是一種非線性判別函數(shù)[3]。另外，最近又興起了一種新的方法:粗糙集(rough set)，其知識表示是產(chǎn)生式規(guī)則。

不同的分類器有不同的特點(diǎn)。有三種分類器評價或比較尺度：1) 預(yù)測準(zhǔn)確度；2) 計算復(fù)雜度；3) 模型描述的簡潔度。預(yù)測準(zhǔn)確度是用得最多的一種比較尺度，特別是對于預(yù)測型分類任務(wù)，目前公認(rèn)的方法是10番分層交叉驗證法。計算復(fù)雜度依賴于具體的實(shí)現(xiàn)細(xì)節(jié)和硬件環(huán)境，在數(shù)據(jù)挖掘中，由于操作對象是海量的數(shù)據(jù)庫，因此空間和時間的復(fù)雜度問題將是非常重要的一個環(huán)節(jié)。對于描述型的分類任務(wù)，模型描述越簡潔越受歡迎。例如，采用規(guī)則歸納法表示的分類器構(gòu)造法就很有用，而神經(jīng)網(wǎng)絡(luò)方法產(chǎn)生的結(jié)果就難以理解。

另外要注意的是，分類的效果一般和數(shù)據(jù)的特點(diǎn)有關(guān)。有的數(shù)據(jù)噪聲大，有的有缺值， 有的分布稀疏，有的字段或?qū)傩蚤g相關(guān)性強(qiáng)，有的屬性是離散的而有的是連續(xù)值或混合式的。目前普遍認(rèn)為不存在某種方法能適合于各種特點(diǎn)的數(shù)據(jù)。

分類技術(shù)在實(shí)際應(yīng)用非常重要，比如：可以根據(jù)房屋的地理位置決定房屋的檔次等。

2. 2 聚類分析

聚類是指根據(jù)“物以類聚”的原理，將本身沒有類別的樣本聚集成不同的組，并且對每一個這樣的組進(jìn)行描述的過程。它的目的是使得屬于同一個組的樣本之間應(yīng)該彼此相似，而不同組的樣本應(yīng)足夠不相似。與分類分析不同，進(jìn)行聚類前并不知道將要劃分成幾個組和什么樣的組，也不知道根據(jù)哪些空間區(qū)分規(guī)則來定義組。其目的旨在發(fā)現(xiàn)空間實(shí)體的屬性間的函數(shù)關(guān)系，挖掘的知識用以屬性名為變量的數(shù)學(xué)方程來表示。聚類方法包括統(tǒng)計方法、機(jī)器學(xué)習(xí)方法、神經(jīng)網(wǎng)絡(luò)方法和面向數(shù)據(jù)庫的方法?；诰垲惙治龇椒ǖ目臻g數(shù)據(jù)挖掘算法包括均值近似算法[4]、CLARANS、BIRCH、DBSCAN等算法。目前，對空間數(shù)據(jù)聚類分析方法的研究是一個熱點(diǎn)。

對于空間數(shù)據(jù)，利用聚類分析方法，可以根據(jù)地理位置以及障礙物的存在情況自動地進(jìn)行區(qū)域劃分。例如，根據(jù)分布在不同地理位置的ATM機(jī)的情況將居民進(jìn)行區(qū)域劃分，根據(jù)這一信息，可以有效地進(jìn)行ATM機(jī)的設(shè)置規(guī)劃，避免浪費(fèi)，同時也避免失掉每一個商機(jī)。

2.3 關(guān)聯(lián)規(guī)則分析

關(guān)聯(lián)規(guī)則分析主要用于發(fā)現(xiàn)不同事件之間的關(guān)聯(lián)性，即一事物發(fā)生時，另一事物也經(jīng)常發(fā)生。關(guān)聯(lián)分析的重點(diǎn)在于快速發(fā)現(xiàn)那些有實(shí)用價值的關(guān)聯(lián)發(fā)生的事件。其主要依據(jù)是：事件發(fā)生的概率和條件概率應(yīng)該符合一定的統(tǒng)計意義。空間關(guān)聯(lián)規(guī)則的形式是X－＞Y[S%，C%]，其中X、Y是空間或非空間謂詞的集合，S%表示規(guī)則的支持度，C%表示規(guī)則的置信度。空間謂詞的形式有3種：表示拓?fù)浣Y(jié)構(gòu)的謂詞、表示空間方向的謂詞和表示距離的謂詞[5]。各種各樣的空間謂詞可以構(gòu)成空間關(guān)聯(lián)規(guī)則。如，距離信息（如Close_to(臨近)、Far_away(遠(yuǎn)離)）、拓?fù)潢P(guān)系（Intersect（交）、Overlap（重疊）、Disjoin(分離)）和空間方位（如Right_of(右邊)、West_of(西邊)）。實(shí)際上大多數(shù)算法都是利用空間數(shù)據(jù)的關(guān)聯(lián)特性改進(jìn)其分類算法，使得它適合于挖掘空間數(shù)據(jù)中的相關(guān)性，從而可以根據(jù)一個空間實(shí)體而確定另一個空間實(shí)體的地理位置，有利于進(jìn)行空間位置查詢和重建空間實(shí)體等。大致算法可描述如下：(1)根據(jù)查詢要求查找相關(guān)的空間數(shù)據(jù)；(2)利用臨近等原則描述空間屬性和特定屬性；(3)根據(jù)最小支持度原則過濾不重要的數(shù)據(jù)；(4)運(yùn)用其它手段對數(shù)據(jù)進(jìn)一步提純(如OVERLAY)；(5)生成關(guān)聯(lián)規(guī)則。

關(guān)聯(lián)規(guī)則通常可分為兩種：布爾型的關(guān)聯(lián)規(guī)則和多值關(guān)聯(lián)規(guī)則。多值關(guān)聯(lián)規(guī)則比較復(fù)雜，一種自然的想法是將它轉(zhuǎn)換為布爾型關(guān)聯(lián)規(guī)則，由于空間關(guān)聯(lián)規(guī)則的挖掘需要在大量的空間對象中計算多種空間關(guān)系，因此其代價是很高的?！N逐步求精的挖掘優(yōu)化方法可用于空間關(guān)聯(lián)的分析，該方法首先用一種快速的算法粗略地對一個較大的數(shù)據(jù)集進(jìn)行一次挖掘，然后在裁減過的數(shù)據(jù)集上用代價較高的算法進(jìn)一步改進(jìn)挖掘的質(zhì)量。因為其代價非常高，所以空間的關(guān)聯(lián)方法需要進(jìn)一步的優(yōu)化。

對于空間數(shù)據(jù)，利用關(guān)聯(lián)規(guī)則分析，可以發(fā)現(xiàn)地理位置的關(guān)聯(lián)性。例如，85%的靠近高速公路的大城鎮(zhèn)與水相鄰，或者發(fā)現(xiàn)通常與高爾夫球場相鄰的對象是停車場等。

3 空間數(shù)據(jù)挖掘技術(shù)的研究方向

3.1 處理不同類型的數(shù)據(jù)

絕大多數(shù)數(shù)據(jù)庫是關(guān)系型的，因此在關(guān)系數(shù)據(jù)庫上有效地執(zhí)行數(shù)據(jù)挖掘是至關(guān)重要的。但是在不同應(yīng)用領(lǐng)域中存在各種數(shù)據(jù)和數(shù)據(jù)庫，而且經(jīng)常包含復(fù)雜的數(shù)據(jù)類型，例如結(jié)構(gòu)數(shù)據(jù)、復(fù)雜對象、事務(wù)數(shù)據(jù)、歷史數(shù)據(jù)等。由于數(shù)據(jù)類型的多樣性和不同的數(shù)據(jù)挖掘目標(biāo)，一個數(shù)據(jù)挖掘系統(tǒng)不可能處理各種數(shù)據(jù)。因此針對特定的數(shù)據(jù)類型，需要建立特定的數(shù)據(jù)挖掘系統(tǒng)。

3.2 數(shù)據(jù)挖掘算法的有效性和可測性

海量數(shù)據(jù)庫通常有上百個屬性和表及數(shù)百萬個元組。GB數(shù)量級數(shù)據(jù)庫已不鮮見，TB數(shù)量級數(shù)據(jù)庫已經(jīng)出現(xiàn)，高維大型數(shù)據(jù)庫不僅增大了搜索空間，也增加了發(fā)現(xiàn)錯誤模式的可能性。因此必須利用領(lǐng)域知識降低維數(shù)，除去無關(guān)數(shù)據(jù)，從而提高算法效率。從一個大型空間數(shù)據(jù)庫中抽取知識的算法必須高效、可測量，即數(shù)據(jù)挖掘算法的運(yùn)行時間必須可預(yù)測，且可接受，指數(shù)和多項式復(fù)雜性的算法不具有實(shí)用價值。但當(dāng)算法用有限數(shù)據(jù)為特定模型尋找適當(dāng)參數(shù)時，有時也會導(dǎo)致物超所值，降低效率。

3.3 交互性用戶界面

數(shù)據(jù)挖掘的結(jié)果應(yīng)準(zhǔn)確地描述數(shù)據(jù)挖掘的要求，并易于表達(dá)。從不同的角度考察發(fā)現(xiàn)的知識，并以不同形式表示，用高層次語言和圖形界面表示數(shù)據(jù)挖掘要求和結(jié)果。目前許多知識發(fā)現(xiàn)系統(tǒng)和工具缺乏與用戶的交互，難以有效利用領(lǐng)域知識。對此可以利用貝葉斯方法和演譯數(shù)據(jù)庫本身的演譯能力發(fā)現(xiàn)知識。

3.4 在多抽象層上交互式挖掘知識

很難預(yù)測從數(shù)據(jù)庫中會挖掘出什么樣的知識，因此一個高層次的數(shù)據(jù)挖掘查詢應(yīng)作為進(jìn)一步探詢的線索。交互式挖掘使用戶能交互地定義一個數(shù)據(jù)挖掘要求，深化數(shù)據(jù)挖掘過程，從不同角度靈活看待多抽象層上的數(shù)據(jù)挖掘結(jié)果。

3.5 從不同數(shù)據(jù)源挖掘信息

局域網(wǎng)、廣域網(wǎng)以及Internet網(wǎng)將多個數(shù)據(jù)源聯(lián)成一個大型分布、異構(gòu)的數(shù)據(jù)庫，從包含不同語義的格式化和非格式化數(shù)據(jù)中挖掘知識是對數(shù)據(jù)挖掘的一個挑戰(zhàn)。數(shù)據(jù)挖掘可揭示大型異構(gòu)數(shù)據(jù)庫中存在的普通查詢不能發(fā)現(xiàn)的知識。數(shù)據(jù)庫的巨大規(guī)模、廣泛分布及數(shù)據(jù)挖掘方法的計算復(fù)雜性，要求建立并行分布的數(shù)據(jù)挖掘。

3.6 私有性和安全性

數(shù)據(jù)挖掘能從不同角度、不同抽象層上看待數(shù)據(jù)，這將影響到數(shù)據(jù)挖掘的私有性和安全性。通過研究數(shù)據(jù)挖掘?qū)е碌臄?shù)據(jù)非法侵入，可改進(jìn)數(shù)據(jù)庫安全方法，以避免信息泄漏。

3.7 和其它系統(tǒng)的集成

方法、功能單一的發(fā)現(xiàn)系統(tǒng)的適用范圍必然受到一定的限制。要想在更廣泛的領(lǐng)域發(fā)現(xiàn)知識，空間數(shù)據(jù)挖掘系統(tǒng)就應(yīng)該是數(shù)據(jù)庫、知識庫、專家系統(tǒng)、決策支持系統(tǒng)、可視化工具、網(wǎng)絡(luò)等技術(shù)的集成。

4 有待研究的問題

我們雖然在空間數(shù)據(jù)挖掘技術(shù)的研究和應(yīng)用中取得了很大的成績，但在一些理論及應(yīng)用方面仍存在急需解決的問題。

4.1 數(shù)據(jù)訪問的效率和可伸縮性

空間數(shù)據(jù)的復(fù)雜性和數(shù)據(jù)的大量性，TB數(shù)量級的數(shù)據(jù)庫的出現(xiàn)，必然增大發(fā)現(xiàn)算法的搜索空間，增加了搜索的盲目性。如何有效的去除與任務(wù)無關(guān)的數(shù)據(jù)，降低問題的維數(shù)，設(shè)計出更加高效的挖掘算法對空間數(shù)據(jù)挖掘提出了巨大的挑戰(zhàn)。

4.2 對當(dāng)前一些GIS軟件缺乏時間屬性和靜態(tài)存儲的改進(jìn)

由于數(shù)據(jù)挖掘的應(yīng)用在很大的程度上涉及到時序關(guān)系，因此靜態(tài)的數(shù)據(jù)存儲嚴(yán)重妨礙了數(shù)據(jù)挖掘的應(yīng)用?；趫D層的計算模式、不同尺度空間數(shù)據(jù)之間的完全割裂也對空間數(shù)據(jù)挖掘設(shè)置了重重障礙?？臻g實(shí)體與屬性數(shù)據(jù)之間的聯(lián)系僅僅依賴于標(biāo)識碼，這種一維的連接方式無疑將丟失大量的連接信息，不能有效的表示多維和隱含的內(nèi)在連接關(guān)系，這些都增加了數(shù)據(jù)挖掘計算的復(fù)雜度，極大地增加了數(shù)據(jù)準(zhǔn)備階段的工作量和人工干預(yù)的程度。

4.3 發(fā)現(xiàn)模式的精煉

當(dāng)發(fā)現(xiàn)空間很大時會獲得大量的結(jié)果，盡管有些是無關(guān)或沒有意義的模式，這時可利用領(lǐng)域的知識進(jìn)一步精煉發(fā)現(xiàn)的模式，從而得到有意義的知識。

在空間數(shù)據(jù)挖掘技術(shù)方面，重要的研究和應(yīng)用的方向還包括：網(wǎng)絡(luò)環(huán)境上的數(shù)據(jù)挖掘、柵格矢量一體化的挖掘、不確定性情況下的數(shù)據(jù)挖掘、分布式環(huán)境下的數(shù)據(jù)挖掘、數(shù)據(jù)挖掘查詢語言和新的高效的挖掘算法等。

5 小結(jié)

隨著GIS與數(shù)據(jù)挖掘及相關(guān)領(lǐng)域科學(xué)研究的不斷發(fā)展，空間數(shù)據(jù)挖掘技術(shù)在廣度和深度上的不斷深入，在不久的將來，一個集成了挖掘技術(shù)的GIS、GPS、RS集成系統(tǒng)必將朝著智能化、網(wǎng)絡(luò)化、全球化與大眾化的方向發(fā)展。

本文名稱：gis制造的六大核心技術(shù) gis制造的六大核心技術(shù)是什么
文章轉(zhuǎn)載：http://muchs.cn/article18/dohiigp.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站策劃、微信公眾號、網(wǎng)站設(shè)計、面包屑導(dǎo)航、網(wǎng)站改版、移動網(wǎng)站建設(shè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)