為什么我們需要邊緣計(jì)算GIS技術(shù)？

邊緣計(jì)算 (Edge Computing)是指在靠近客戶端或數(shù)據(jù)源頭的一側(cè)，采用網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)、應(yīng)用核心能力為一體的開放平臺(tái)，就近提供最近端服務(wù)。其應(yīng)用程序在邊緣側(cè)發(fā)起，產(chǎn)生更快的網(wǎng)絡(luò)服務(wù)響應(yīng)，滿足各行業(yè)在實(shí)時(shí)業(yè)務(wù)、應(yīng)用智能、安全與隱私保護(hù)等方面的基本需求。

10多年的綏芬河網(wǎng)站建設(shè)經(jīng)驗(yàn)，針對(duì)設(shè)計(jì)、前端、開發(fā)、售后、文案、推廣等六對(duì)一服務(wù)，響應(yīng)快，48小時(shí)及時(shí)工作處理。網(wǎng)絡(luò)營(yíng)銷推廣的優(yōu)勢(shì)是能夠根據(jù)用戶設(shè)備顯示端的尺寸不同，自動(dòng)調(diào)整綏芬河建站的顯示方式，使網(wǎng)站能夠適用不同顯示終端，在瀏覽器中調(diào)整網(wǎng)站的寬度，無(wú)論在任何一種瀏覽器上瀏覽網(wǎng)站，都能展現(xiàn)優(yōu)雅布局與設(shè)計(jì)，從而大程度地提升瀏覽體驗(yàn)。創(chuàng)新互聯(lián)建站從事“綏芬河網(wǎng)站設(shè)計(jì)”,“綏芬河網(wǎng)站推廣”以來(lái)，每個(gè)客戶項(xiàng)目都認(rèn)真落實(shí)執(zhí)行。

邊緣計(jì)算 GIS 技術(shù) 指的是將邊緣計(jì)算的各種特征，用于支撐GIS應(yīng)用的各要素，包括GIS內(nèi)容的發(fā)布和分發(fā)，GIS服務(wù)的代理和加速，以及在線分析和計(jì)算，以一種更加靈活的方式，高效率、低成本地使用地理信息資源。

邊緣計(jì)算GIS技術(shù)是云GIS技術(shù)的重要的補(bǔ)充，具體包括以下技術(shù)：

? 邊緣前置代理 ：在GIS云中心和客戶端之間，對(duì)GIS服務(wù)進(jìn)行代理加速，提供更好的服務(wù)訪問體驗(yàn)。

? 邊緣服務(wù)聚合 ：將不同來(lái)源，不同內(nèi)容的GIS服務(wù)聚合為一個(gè)服務(wù)，實(shí)現(xiàn)多源、異構(gòu)地理信息與服務(wù)的整合。

? 邊緣內(nèi)容分發(fā) ：云GIS中心自動(dòng)將瓦片數(shù)據(jù)分發(fā)到邊緣GIS節(jié)點(diǎn)，實(shí)現(xiàn)了邊緣GIS內(nèi)容的自動(dòng)更新。

? 邊緣分析計(jì)算 ：在邊緣端按需進(jìn)行GIS分析和計(jì)算，有效提升GIS服務(wù)性能。

邊緣 GIS 服務(wù)器： SuperMap iEdge 9D(2019)

SuperMap iEdge 9D(2019)部署在靠近客戶端或數(shù)據(jù)源一側(cè)，實(shí)現(xiàn)就近服務(wù)發(fā)布與實(shí)時(shí)分析計(jì)算，可降低響應(yīng)延時(shí)和帶寬消耗，減輕云GIS中心壓力。

SuperMap iEdge 9D(2019)可作為GIS云和應(yīng)用終端間的邊緣節(jié)點(diǎn)，通過服務(wù)代理聚合與緩存加速技術(shù)，有效提升云GIS的終端訪問體驗(yàn)，并提供內(nèi)容分發(fā)和邊緣分析計(jì)算能力，助力搭建更高效智能的 " 云-邊-端" GIS應(yīng)用系統(tǒng)。

iEdge 的邊緣前置代理

終端用戶直連云GIS中心，瀏覽GIS服務(wù)時(shí)，由于互聯(lián)網(wǎng)的網(wǎng)絡(luò)延遲效應(yīng)及云GIS中心出口帶寬的限制，GIS服務(wù)的響應(yīng)性能和可靠性較差。可以在靠近用戶一側(cè)部署iEdge邊緣GIS服務(wù)器，用于對(duì)云GIS中心的服務(wù)進(jìn)行代理和加速，可有效提升GIS服務(wù)的訪問體驗(yàn)。

邊緣計(jì)算GIS技術(shù)是云GIS技術(shù)的重要的補(bǔ)充，包括幾個(gè)關(guān)鍵技術(shù)：

? SuperMap REST服務(wù)、OGC標(biāo)準(zhǔn)服務(wù)

? 互聯(lián)網(wǎng)地圖服務(wù)

? 第三方平臺(tái)發(fā)布的GIS服務(wù)

iEdge 的邊緣服務(wù)聚合

SuperMap iEdge 9D(2019)部署在靠近用戶的邊緣端，可以實(shí)現(xiàn)將不同來(lái)源、包含不同數(shù)據(jù)內(nèi)容的GIS服務(wù)聚合成一個(gè)服務(wù)，比如可以把包含某專題數(shù)據(jù)的REST服務(wù)和包含全國(guó)基礎(chǔ)地圖的OGC服務(wù)聚合成一個(gè)REST服務(wù)，實(shí)現(xiàn)多源、異構(gòu)地理信息與服務(wù)的整合。

iEdge 的邊緣內(nèi)容分發(fā)

SuperMap iEdge 9D(2019)在實(shí)現(xiàn)邊緣前置代理和邊緣服務(wù)聚合時(shí)，為了實(shí)現(xiàn)加速的需求，會(huì)在本地緩存大量的數(shù)據(jù)，包括請(qǐng)求緩存及瓦片數(shù)據(jù)等。當(dāng)云GIS中心的數(shù)據(jù)內(nèi)容發(fā)生變更后，對(duì)應(yīng)的瓦片數(shù)據(jù)需要及時(shí)更新，從而更好地保證時(shí)效性。

SuperMap iEdge 9D(2019)和云GIS中心實(shí)現(xiàn)了深度集成。SuperMap iEdge支持按地域、定時(shí)從云GIS中心拉取最新的瓦片數(shù)據(jù)，實(shí)現(xiàn)瓦片數(shù)據(jù)的自動(dòng)更新。

iEdge 的邊緣分析計(jì)算

在常規(guī)的GIS應(yīng)用中，有些GIS數(shù)據(jù)變化頻率不高，或者數(shù)據(jù)體量總體不大，這種數(shù)據(jù)可以在邊緣節(jié)點(diǎn)進(jìn)行發(fā)布。有些GIS業(yè)務(wù)需要的GIS分析和計(jì)算任務(wù)和數(shù)據(jù)無(wú)關(guān)，是無(wú)狀態(tài)的，這種分析運(yùn)算工作也可以放在邊緣節(jié)點(diǎn)來(lái)提供。通過把一部分GIS分析計(jì)算的工作按需前置到邊緣節(jié)點(diǎn)，從而提供更快的網(wǎng)絡(luò)響應(yīng)。

SuperMap iEdge 9D(2019)支持基于本地的計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)和數(shù)據(jù)資源，提供邊緣動(dòng)態(tài)出圖、邊緣空間查詢、邊緣空間運(yùn)算等多種邊緣GIS分析計(jì)算能力，助力構(gòu)建更高效的云GIS應(yīng)用。

小結(jié)

邊緣計(jì)算GIS技術(shù)是云GIS技術(shù)的重要補(bǔ)充。SuperMap iEdge 9D(2019)充分利用邊緣GIS技術(shù)，提供邊緣前置代理、邊緣服務(wù)聚合、邊緣內(nèi)容分發(fā)、邊緣分析計(jì)算等各種邊緣GIS能力，助力構(gòu)建更強(qiáng)大、更可靠、更高效的云GIS應(yīng)用。

什么是云GIS，和網(wǎng)格GIS有什么區(qū)別

所謂云GIS，就是將云計(jì)算的各種特征用于支撐地理空間信息的各要素，包括建模、存儲(chǔ)、處理等等，從而改變用戶傳統(tǒng)的GIS應(yīng)用方法和建設(shè)模式，以一種更加友好的方式，高效率、低成本的使用地理信息資源。

網(wǎng)格(Grid) GIS簡(jiǎn)介

它是利用現(xiàn)有的網(wǎng)格技術(shù)、空間信息基礎(chǔ)設(shè)施、空間信息網(wǎng)絡(luò)協(xié)議規(guī)范，形成一個(gè)虛擬的空間信息管理與處理環(huán)境，將空間地理分布的、異構(gòu)的各種設(shè)備與系統(tǒng)進(jìn)行集成，為用戶提供一體化的空間信息應(yīng)用服務(wù)的智能化信息平臺(tái)。

網(wǎng)格GIS的特點(diǎn):異構(gòu)性、動(dòng)態(tài)性的環(huán)境;跨多管理域(測(cè)繪、國(guó)土資源、交通、氣象、商務(wù))及多區(qū)域的動(dòng)態(tài)的資源共享。

云計(jì)算關(guān)鍵技術(shù)是什么？

云計(jì)算的關(guān)鍵技術(shù)有三大點(diǎn)：\x0d\x0a⑴虛擬化技術(shù)：云計(jì)算的虛擬化技術(shù)不同于傳統(tǒng)的單一虛擬化，它是涵蓋整個(gè)IT架構(gòu)的，包括資源、網(wǎng)絡(luò)、應(yīng)用和桌面在內(nèi)的全系統(tǒng)虛擬化，它的優(yōu)勢(shì)在于能夠把所有硬件設(shè)備、軟件應(yīng)用和數(shù)據(jù)隔離開來(lái)，打破硬件配置、軟件部署和數(shù)據(jù)分布的界限，實(shí)現(xiàn)IT架構(gòu)的動(dòng)態(tài)化，實(shí)現(xiàn)資源集中管理，使應(yīng)用能夠動(dòng)態(tài)地使用虛擬資源和物理資源，提高系統(tǒng)適應(yīng)需求和環(huán)境的能力。\x0d\x0a對(duì)于信息系統(tǒng)仿真，云計(jì)算虛擬化技術(shù)的應(yīng)用意義并不僅僅在于提高資源利用率并降低成本，更大的意義是提供強(qiáng)大的計(jì)算能力。眾所周知，信息系統(tǒng)仿真系統(tǒng)是一種具有超大計(jì)算量的復(fù)雜系統(tǒng)，計(jì)算能力對(duì)于系統(tǒng)運(yùn)行效率、精度和可靠性影響很大，而虛擬化技術(shù)可以將大量分散的、沒有得到充分利用的計(jì)算能力，整合到計(jì)算高負(fù)荷的計(jì)算機(jī)或服務(wù)器上，實(shí)現(xiàn)全網(wǎng)資源統(tǒng)一調(diào)度使用，從而在存儲(chǔ)、傳輸、運(yùn)算等多個(gè)計(jì)算方面達(dá)到高效。\x0d\x0a⑵分布式資源管理技術(shù)：信息系統(tǒng)仿真系統(tǒng)在大多數(shù)情況下會(huì)處在多節(jié)點(diǎn)并發(fā)執(zhí)行環(huán)境中，要保證系統(tǒng)狀態(tài)的正確性，必須保證分布數(shù)據(jù)的一致性。為了分布的一致性問題，計(jì)算機(jī)界的很多公司和研究人員提出了各種各樣的協(xié)議，這些協(xié)議即是一些需要遵循的規(guī)則，也就是說(shuō)，在云計(jì)算出現(xiàn)之前，解決分布的一致性問題是靠眾多協(xié)議的。但對(duì)于大規(guī)模，甚至超大規(guī)模的分布式系統(tǒng)來(lái)說(shuō)，無(wú)法保證各個(gè)分系統(tǒng)、子系統(tǒng)都使用同樣的協(xié)議，也就無(wú)法保證分布的一致性問題得到解決。云計(jì)算中的分布式資源管理技術(shù)圓滿解決了這一問題。Google公司的Chubby是最著名的分布式資源管理系統(tǒng)，該系統(tǒng)實(shí)現(xiàn)了Chubby服務(wù)鎖機(jī)制，使得解決分布一致性問題的不再僅僅依賴一個(gè)協(xié)議或者是一個(gè)算法，而是有了一個(gè)統(tǒng)一的服務(wù)(service)。\x0d\x0a⑶并行編程技術(shù)：云計(jì)算采用并行編程模式。在并行編程模式下，并發(fā)處理、容錯(cuò)、數(shù)據(jù)分布、負(fù)載均衡等細(xì)節(jié)都被抽象到一個(gè)函數(shù)庫(kù)中，通過統(tǒng)一接口，用戶大尺度的計(jì)算任務(wù)被自動(dòng)并發(fā)和分布執(zhí)行，即將一個(gè)任務(wù)自動(dòng)分成多個(gè)子任務(wù)，并行地處理海量數(shù)據(jù)。

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。空間數(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(lái)。空間數(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(lái)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。空間分類的規(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(lái)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(lái)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。基于聚類分析方法的空間數(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。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(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(duì)象中計(jì)算多種空間關(guān)系，因此其代價(jià)是很高的。—種逐步求精的挖掘優(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(wú)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(wú)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。基于圖層的計(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(wú)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(wú)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(lái)，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。

網(wǎng)站標(biāo)題：云gis的關(guān)鍵技術(shù) gis應(yīng)用的關(guān)鍵技術(shù)問題
標(biāo)題URL：http://chinadenli.net/article6/dojddog.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供虛擬主機(jī)、建站公司、、品牌網(wǎng)站制作、商城網(wǎng)站、企業(yè)網(wǎng)站制作

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(lái)源： 創(chuàng)新互聯(lián)