gis設(shè)備關(guān)鍵技術(shù) gis設(shè)備關(guān)鍵技術(shù)有哪些

電子地圖系統(tǒng)WEBGIS 關(guān)鍵技術(shù)

隨著Internet技術(shù)的不斷發(fā)展和人們對(duì)地理信息系統(tǒng)(GIS)需求的日益增長(zhǎng)，利用Internet在Web上發(fā)布空間數(shù)據(jù)，為用戶提供空間數(shù)據(jù)瀏覽、查詢和分析的功能，已成為地理信息系統(tǒng)(GIS)發(fā)展的必然趨勢(shì)。于是，基于Internet技術(shù)的地理信息系統(tǒng)———WEBGIS就應(yīng)運(yùn)而生。

創(chuàng)新互聯(lián)于2013年開始，先為義馬等服務(wù)建站，義馬等地企業(yè)，進(jìn)行企業(yè)商務(wù)咨詢服務(wù)。為義馬企業(yè)網(wǎng)站制作PC+手機(jī)+微官網(wǎng)三網(wǎng)同步一站式服務(wù)解決您的所有建站問題。

WEBGIS是一個(gè)將地理信息處理和地理信息分布于Web計(jì)算平臺(tái)進(jìn)行的網(wǎng)絡(luò)化GIS系統(tǒng)，它是面向?qū)ο筌浖?gòu)件技術(shù)、信息互操作技術(shù)、網(wǎng)絡(luò)技術(shù)發(fā)展的產(chǎn)物。系統(tǒng)采用ARCGISServer作為WEBGIS支撐平臺(tái)實(shí)現(xiàn)基礎(chǔ)地理空間數(shù)據(jù)和地質(zhì)空間數(shù)據(jù)的網(wǎng)絡(luò)發(fā)布。

1.柵格WEBGIS技術(shù)

“柵格WEBGIS”(Grid WEBGIS)這一概念和產(chǎn)品是對(duì)傳統(tǒng)Web地圖服務(wù)方式的一種革命。啟用這個(gè)名稱，可謂是一語(yǔ)雙關(guān):就是提供地理底圖的方式來講，再也不是傳統(tǒng)的方式———服務(wù)器端將矢量地圖臨時(shí)生成柵格圖發(fā)給客戶端，而是事先生成好柵格圖，用戶請(qǐng)求時(shí)不必做任何處理就可以即時(shí)發(fā)給客戶端;就客戶端的顯示方式來講，摒棄了傳統(tǒng)的一張地圖的顯示方式，客戶端采用多幅小圖拼接的方式顯示，總體看起來像是小圖片填充一個(gè)大的柵格的效果。

預(yù)先制作好所要發(fā)布的地理底圖、遙感影像不同縮放比例下的靜態(tài)圖像存放于服務(wù)器端，待實(shí)際發(fā)布時(shí)根據(jù)縮放比例在不同級(jí)別圖像之間進(jìn)行切換。這種技術(shù)大大提高了地圖的Web瀏覽速度。

2.Web服務(wù)器端技術(shù)

Web服務(wù)器端主要由兩部分組成，即IIS(Internet Information Server)和WEBGIS服務(wù)器(包括ArcIMS組件、InternetGIS站點(diǎn)設(shè)計(jì)向?qū)С绦騑izard及面向城市地質(zhì)Web應(yīng)用的擴(kuò)展組件)。

其中，IIS主要負(fù)責(zé)接收普通的用戶請(qǐng)求，當(dāng)其需要空間數(shù)據(jù)時(shí)則向WEBGIS服務(wù)器發(fā)出請(qǐng)求，WEBGIS服務(wù)器接收到瀏覽器端的請(qǐng)求后，利用ArcIMS組件和城市地質(zhì)Web應(yīng)用擴(kuò)展組件的功能，進(jìn)行處理、分析、計(jì)算等;如果需要數(shù)據(jù)服務(wù)器的數(shù)據(jù)，則由WEBGIS服務(wù)器向數(shù)據(jù)服務(wù)器發(fā)出請(qǐng)求。

3.Web客戶端相關(guān)技術(shù)

包括IITML、客戶端腳本語(yǔ)言、VML(矢量可標(biāo)記語(yǔ)言)、XML、DOM(文檔對(duì)象模型)、CSS(層疊樣式表)及Ajax(Asynchronous JavaScript and XML的縮寫)，這些技術(shù)的綜合運(yùn)用大大擴(kuò)展了系統(tǒng)功能，大幅提高了系統(tǒng)響應(yīng)速度。

gis三維可視化技術(shù)所使用的主要原理有

三維可視化技術(shù)與GIS工程

一、前言目前，科學(xué)可視化、計(jì)算機(jī)動(dòng)畫和虛擬現(xiàn)實(shí)技術(shù)蓬勃發(fā)展，并

成為計(jì)算機(jī)圖形學(xué)領(lǐng)域的三大熱門研究方向，它們的核心都是三維真實(shí)感圖

形[1],也就是三維可視化技術(shù)。三維可視化技術(shù)是目前計(jì)算機(jī)技術(shù)和圖像

圖形學(xué)發(fā)展的熱點(diǎn)之一，它是依靠視覺效果將數(shù)據(jù)所要表達(dá)的信息直觀顯示出來的一種最好的方法。傳統(tǒng)的地理信息系統(tǒng)對(duì)實(shí)物的空間立體感表達(dá)就比

較抽象，將三維可視化技術(shù)引入GIS領(lǐng)域中可以動(dòng)態(tài)地、形象地、多視角地、多層次地、如實(shí)逼真地描繪地球科學(xué)中的客觀現(xiàn)象。如通常所見的地

形三維可視化、虛擬戰(zhàn)場(chǎng)、數(shù)字社區(qū)和虛擬城市等。本文結(jié)合在GIS中的應(yīng)

用介紹三維可視化開發(fā)的基本方法。

二、三維可視化GIS關(guān)鍵技術(shù)三維可視化技術(shù)可以簡(jiǎn)單的分解為三種技術(shù)的結(jié)合：可視化、三維和GIS。下面分析了可視化技術(shù)、虛擬現(xiàn)實(shí)、體視化技術(shù)、三維技術(shù)等關(guān)鍵技術(shù)。

1、可視化技術(shù)

可視化，也稱為科學(xué)計(jì)算可視化(VisualizationinScientific

Computer),它是指運(yùn)用計(jì)算機(jī)圖形和圖像處理技術(shù)，把科學(xué)數(shù)據(jù)轉(zhuǎn)換成可視的、能幫助科學(xué)家理解的信息，并進(jìn)行交互處理的理論、方法和技術(shù)。

GIS可視化技術(shù)是目前信息領(lǐng)

域中廣泛應(yīng)用的一項(xiàng)技術(shù)，它通過強(qiáng)大的、有效的地圖系統(tǒng)將復(fù)雜的空間

和屬性數(shù)抓以地理的形式進(jìn)行描述，具有界面風(fēng)格人性化設(shè)計(jì)，實(shí)現(xiàn)了文本、

圖形和圖像信息相結(jié)合的定位、查詢、檢索模式信息表達(dá)形象化、自觀化操作簡(jiǎn)單便利等特點(diǎn)［2］。

2、虛擬現(xiàn)實(shí)

虛擬現(xiàn)實(shí)(VirtualReality)技術(shù)是一個(gè)由圖像技術(shù)、傳感

器技術(shù)、計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)以及人機(jī)對(duì)話技術(shù)相結(jié)合的產(chǎn)物。它以計(jì)算

機(jī)技術(shù)為基礎(chǔ)，利用高性能、高度集成的計(jì)算機(jī)硬、軟件及各類先進(jìn)的傳感

器，去創(chuàng)造一個(gè)使參與者處于一個(gè)三維視覺、聽覺和觸覺的環(huán)境，具有完善

的交互作用能力、能幫助和啟發(fā)進(jìn)入虛擬境界的參與者的構(gòu)思的

GIS基本技術(shù)有哪些？

引言

地理信息系統(tǒng)(Geographic Information System，簡(jiǎn)稱GIS)是計(jì)算機(jī)科學(xué)、地理學(xué)、測(cè)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(kù)、地圖可視化及空間分析，而空間數(shù)據(jù)庫(kù)是GIS的關(guān)鍵?？臻g數(shù)據(jù)挖掘技術(shù)作為當(dāng)前數(shù)據(jù)庫(kù)技術(shù)最活躍的分支與知識(shí)獲取手段，在GIS中的應(yīng)用推動(dòng)著GIS朝智能化和集成化的方向發(fā)展。

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

隨著數(shù)據(jù)庫(kù)技術(shù)的不斷發(fā)展和數(shù)據(jù)庫(kù)管理系統(tǒng)的廣泛應(yīng)用，數(shù)據(jù)庫(kù)中存儲(chǔ)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(kù)的大多數(shù)應(yīng)用仍然停留在查詢、檢索階段，數(shù)據(jù)庫(kù)中隱藏的豐富的知識(shí)遠(yuǎn)遠(yuǎn)沒有得到充分的發(fā)掘和利用，數(shù)據(jù)庫(kù)中數(shù)據(jù)的急劇增長(zhǎng)和人們對(duì)數(shù)據(jù)庫(kù)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(shí)”的現(xiàn)象。

空間數(shù)據(jù)庫(kù)(數(shù)據(jù)倉(cāng)庫(kù))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(jiǎn)稱SDM），或者稱為從空間數(shù)據(jù)庫(kù)中發(fā)現(xiàn)知識(shí)，是為了解決空間數(shù)據(jù)海量特性而擴(kuò)展的一個(gè)新的數(shù)據(jù)挖掘的研究分支，是指從空間數(shù)據(jù)庫(kù)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(duì)象主要是空間數(shù)據(jù)庫(kù)，而空間數(shù)據(jù)庫(kù)中不僅存儲(chǔ)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(chǔ)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(shí)，挖掘出的知識(shí)應(yīng)具有事先未知、有效和可實(shí)用3個(gè)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(kù)技術(shù)，它可用于對(duì)空間數(shù)據(jù)的理解，對(duì)空間關(guān)系和空間與非空間關(guān)系的發(fā)現(xiàn)、空間知識(shí)庫(kù)的構(gòu)造以及空間數(shù)據(jù)庫(kù)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(cè)、聚類分析、關(guān)聯(lián)規(guī)則分析、時(shí)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(xiàng)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(huì)一個(gè)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(kù)中的數(shù)據(jù)項(xiàng)映射到給定類別中的某一個(gè)。分類和我們熟知的回歸方法都可用于預(yù)測(cè)，兩者的目的都是從歷史數(shù)據(jù)紀(jì)錄中自動(dòng)推導(dǎo)出對(duì)給定數(shù)據(jù)的推廣描述，從而能對(duì)未來數(shù)據(jù)進(jìn)行預(yù)測(cè)。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(duì)給定數(shù)據(jù)對(duì)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(gè)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(kù)記錄或元組構(gòu)成,每個(gè)元組是一個(gè)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(gè)類別標(biāo)記。一個(gè)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(jì)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(jì)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(duì)應(yīng)的知識(shí)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(duì)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(jiǎn)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(shí)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(píng)價(jià)或比較尺度：1) 預(yù)測(cè)準(zhǔn)確度；2) 計(jì)算復(fù)雜度；3) 模型描述的簡(jiǎn)潔度。預(yù)測(cè)準(zhǔn)確度是用得最多的一種比較尺度，特別是對(duì)于預(yù)測(cè)型分類任務(wù)，目前公認(rèn)的方法是10番分層交叉驗(yàn)證法。計(jì)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(duì)象是海量的數(shù)據(jù)庫(kù)，因此空間和時(shí)間的復(fù)雜度問題將是非常重要的一個(gè)環(huán)節(jié)。對(duì)于描述型的分類任務(wù)，模型描述越簡(jiǎn)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(duì)每一個(gè)這樣的組進(jìn)行描述的過程。它的目的是使得屬于同一個(gè)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?jiǎng)澐殖蓭讉€(gè)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(shí)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(jì)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(kù)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(duì)空間數(shù)據(jù)聚類分析方法的研究是一個(gè)熱點(diǎn)。

對(duì)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(dòng)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(shí)也避免失掉每一個(gè)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(shí)，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(jià)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(jì)意義?？臻g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?？臻g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(gè)空間實(shí)體而確定另一個(gè)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(duì)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?？煞譃閮煞N：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(duì)象中計(jì)算多種空間關(guān)系，因此其代價(jià)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(duì)一個(gè)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(jià)較高的算法進(jìn)一步改進(jìn)挖掘的質(zhì)量。因?yàn)槠浯鷥r(jià)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(duì)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(chǎng)相鄰的對(duì)象是停車場(chǎng)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(kù)是關(guān)系型的，因此在關(guān)系數(shù)據(jù)庫(kù)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(kù)，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(duì)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(gè)數(shù)據(jù)挖掘系統(tǒng)不可能處理各種數(shù)據(jù)。因此針對(duì)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(cè)性

海量數(shù)據(jù)庫(kù)通常有上百個(gè)屬性和表及數(shù)百萬(wàn)個(gè)元組。GB數(shù)量級(jí)數(shù)據(jù)庫(kù)已不鮮見，TB數(shù)量級(jí)數(shù)據(jù)庫(kù)已經(jīng)出現(xiàn)，高維大型數(shù)據(jù)庫(kù)不僅增大了搜索空間，也增加了發(fā)現(xiàn)錯(cuò)誤模式的可能性。因此必須利用領(lǐng)域知識(shí)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(gè)大型空間數(shù)據(jù)庫(kù)中抽取知識(shí)的算法必須高效、可測(cè)量，即數(shù)據(jù)挖掘算法的運(yùn)行時(shí)間必須可預(yù)測(cè)，且可接受，指數(shù)和多項(xiàng)式復(fù)雜性的算法不具有實(shí)用價(jià)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(shí)，有時(shí)也會(huì)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(shí)，并以不同形式表示，用高層次語(yǔ)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(shí)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(shí)。對(duì)此可以利用貝葉斯方法和演譯數(shù)據(jù)庫(kù)本身的演譯能力發(fā)現(xiàn)知識(shí)。

3.4 在多抽象層上交互式挖掘知識(shí)

很難預(yù)測(cè)從數(shù)據(jù)庫(kù)中會(huì)挖掘出什么樣的知識(shí)，因此一個(gè)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(gè)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(gè)數(shù)據(jù)源聯(lián)成一個(gè)大型分布、異構(gòu)的數(shù)據(jù)庫(kù)，從包含不同語(yǔ)義的格式化和非格式化數(shù)據(jù)中挖掘知識(shí)是對(duì)數(shù)據(jù)挖掘的一個(gè)挑戰(zhàn)。數(shù)據(jù)挖掘可揭示大型異構(gòu)數(shù)據(jù)庫(kù)中存在的普通查詢不能發(fā)現(xiàn)的知識(shí)。數(shù)據(jù)庫(kù)的巨大規(guī)模、廣泛分布及數(shù)據(jù)挖掘方法的計(jì)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(kù)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(shí)，空間數(shù)據(jù)挖掘系統(tǒng)就應(yīng)該是數(shù)據(jù)庫(kù)、知識(shí)庫(kù)、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(jī)，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(jí)的數(shù)據(jù)庫(kù)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(jì)出更加高效的挖掘算法對(duì)空間數(shù)據(jù)挖掘提出了巨大的挑戰(zhàn)。

4.2 對(duì)當(dāng)前一些GIS軟件缺乏時(shí)間屬性和靜態(tài)存儲(chǔ)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(shí)序關(guān)系，因此靜態(tài)的數(shù)據(jù)存儲(chǔ)嚴(yán)重妨礙了數(shù)據(jù)挖掘的應(yīng)用?；趫D層的計(jì)算模式、不同尺度空間數(shù)據(jù)之間的完全割裂也對(duì)空間數(shù)據(jù)挖掘設(shè)置了重重障礙。空間實(shí)體與屬性數(shù)據(jù)之間的聯(lián)系僅僅依賴于標(biāo)識(shí)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(jì)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(shí)會(huì)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(shí)可利用領(lǐng)域的知識(shí)進(jìn)一步精煉發(fā)現(xiàn)的模式，從而得到有意義的知識(shí)。

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(yǔ)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(gè)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。

文章名稱：gis設(shè)備關(guān)鍵技術(shù) gis設(shè)備關(guān)鍵技術(shù)有哪些
分享地址：http://muchs.cn/article44/doeicee.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供面包屑導(dǎo)航、手機(jī)網(wǎng)站建設(shè)、自適應(yīng)網(wǎng)站、網(wǎng)站排名、虛擬主機(jī)、外貿(mào)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(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)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(shí)需注明來源： 創(chuàng)新互聯(lián)