、F、、、
前言空间分析是基于地理对象位置和形态特征的空间数据分析技术，其目的在于提取和传输空间信息。空间信息可以分为空间位置、空间分布．空间形态、空间关系、空间质量、空间关联、空间对比、空间趋势、空间运动。空间位置是借助于空间坐标系来传递的空间物体的个体定位信息；空间分布反映了同类空间事物的群体定位信息；空间形态是空间物体的几何特征，一些特征易于被视觉感受，如走向、连通性等，另一些特征则必须用数值来描述，如面积、周长、坡度；空间距离反映的是空间物体之间几何上的接近程度；空间方位是用方位描述两个物体之间的位置关系。因此，空间分析是GIS的主要特征，也是评价GIS功能的主要指标之一。空间分析的发展及在各行业中的应用空间分析源于60 年代地理和区域科学的计量
革命。开始阶段是应用定量(主要是统计)分析手段分析点、线、面的空间分布模式，后来更多的是强调地理空间本身的特征、空间决策过程和复杂空间系统的时空演化过程分析。实际上自有地图以来，人们就始终在自觉或不自觉地进行着各种类型的空间分析。如在地图上量测地理要素之间的距离、方位、面积，乃至利用地图进行战术研究和战略决策等，都是人们利用地图进行空间分析的实例．而后者实质上已属较高层次上的空间分析。
空间分析功能的实现方法是通过空间分析技术的集成。长期以来，空间分析的模型和方法没有形成统一的体系结构，对空间分析的基本内容也没有形成被广泛认同的界定。因此，空间分析领域的研究是相对落后的。根据GIS 处理对象界定空间分析
的功能，有以下几方面：(1)基于图的分析，主要有缓冲区分析、叠置分析、网络分析、复合分析、邻近分析及空间联结，这些方法以图形操作为主，在现有的GIS 软件中已比较成熟。(2)基于数据的分析，这部分的理论基础是空间统计学。空间统汁学基于两个本惯似没：任意距离的两点间的差值的数学期望为零；任意距离的两点间的差值的方差最小。这里的任意距离指的是空间物体间的距离，由于空间物体又可分为点、线、面、体四类，而点与点之间的距离是最本质最简单的距离形式，因此空间统计学在这两个本质假设基础上，通过对样本点得出的经验变率函数的拟合得到真实的变率函数，以便做进一步分析。(3) 基于事件机理的分析，有些事件有其
相应的机理提供公式构架，由环境信息提供初始边界条件，这样可直接利用前入总结的成果来描述事件。在此基础上，根据需要再进行分析。空间分析的目的是提取空间信息，而空间分析的对象是空间数据。空间分析是在空间数据的基础上进行的，空间数据是描述地球表层(有一定厚度)一一定范围内的地理事物及其关系的数据，电可以是关于空间物体及其空间变量和属性的数据。以空间物体为定义域，随空间物体的延展而变化的地理现象是空间变量；相反，不随空间物体的延展而变化的地理现象是空间物体的属性。一般认为空间数据具有三大要素：几何、属性和时间，从空间分析的角度出发，空间变量也是空间数据的要素之一，空间分析中的很多内容是针对空间变量的。一个空间变量是定义于一个空间物体上的，我们完全可以根据变量的变化情况将物体分解。分解的原则是物体每部分的变量不变，或者可看作是不变的，这时空间物体被分解成若干空间物体，而空间变量则转化成空间物体的属性。空间物体的分解、变量与属性的转化，是空间分析的内容之一。[1]
正文
空间分析技术的应用非常广泛，具体应用领域包括城市规划与管理，厂址选择，水污染监测，洪水灾害分析，道路交通管理，地形地貌分析，电网管理，医疗卫生，军事等领域。
交通设计管理领域
1 ．GIS 空间分析与铁路线路评价指标的量化
GIS 系统的空间分析方法非常适用于处理铁路线路设计所需地形、地质、地物、水文等各种数据。利用基于地理信息系统的铁路工程勘测设计空间数据库和地理信息系统强大的空间分析能力，量化影响选线设计的各种因素，比如地质条件、与其他设施配合程度，环境影响程度等。从铁路选线的实际需要出发，只需进行 3 种空间分析即可满足要求，即缓冲区分析、空间叠置分析、距离求算。在交互式铁路选线设计时，是以铁路线路中心线表示的线性模型作为研究对象，在进行铁路选线影响分析前，首先需要进行铁路线路带状缓冲区分析。铁路线路由多个顶点的多义线表示，简单的方法是对组成多义线的每条直线段进行缓冲区分析，然后通过叠置分析的合并操作获取整条线路的缓冲区。把铁路带状缓冲区分别与不良地质地段面积、各种耕地占用面积、各类建筑设施拆迁面积进行空间叠置分析，由各自叠加面积的加权和得到相应指标值，来分别体现地质条件、占用耕地情况、拆迁情况等技术指标对线路的影响。[2]
2．空间分析方法在航线设计和航路监视中的应用
航线设计的内容是要能够判别航线附近有无低于安全水深点、有无孤立危险物、有否穿越安全等深线、有否穿过某些危险区，除此以外还应判驯有否穿越陆地，以防止用户的误操作；航路监视的主要内容有判断船舶是否偏航、是否到达转向点、是者结合的方法来实现。在航线设计时充分考虑偏航极限范围内有无不适合的点（包
括水深点、孤立危险物等），线（包括等深线），面（包括危险区、禁航区、陆地等）。
而在航路监视时，则可以判断表示本船的点是否包含在偏航极限的范围内，这样就能及时地对偏离航线的船舶给出预警；同时还可以进行在以本船为中心，一定距离
（如2 n mile?3 n mile）为半径的圆形区域内，实时地（或周期性地）监控有无危险点、线、面进入的判断和报警。穿越安全等深线、是否穿越危险区等。[ 5]
3．交通地理信息空间分析交通地理信息空间分析是对交通网及其地理背景要素的位置、图形和分布等的分析
目的在于提取、挖掘在交通设施的规划、开发、经营管理及灾害防治中所需的信息和知识．信息传统的人工分析方法，存在资料数据散乱，其分析应用繁琐、费时、费力和获取信息非常有限等弊端．与传统的人工方法相比，计算机及在其基础上发展起来的GIS 和GIS．T（交通地理信息系统）等新技术、新方法为交通地理信息的实时采集、一体化存储、深层次知识挖掘和分析应用等提供了先进、适用、有效的方法和技术条件．GIS．T 在功能层次上可分为交通信息的存储与查询系统（数据库系统）、具有空间分析功能的交通管理系统和具有空间分析及决策支持功能的交通决策支持系统 3 类．从GIS-T 的分类可以看出：交通地理信息的空间分析功能是高层次GIS-T 应具备的功能．[7]
城市规划领域
1．基于GIS 的城市人防工程空间分析模型的建立与实现
为提高城市人防工程的管理水平，利用地理信息系统技术(GIS) 的空间分析功能，首先在分析城市人防工程的实体一关系模型(E—R 模型)的基础上，根据GIS 空间分
析的特点，提出了基于空间分析的城市人防工程的数据库结构；其次，根据城市人防工程规划、管理和施工的需要。建立了城市人防工程设备的承载力、辐射范围缓冲图、人口疏散隐蔽路线最佳路径、地下人防工程 3 维分析等几种空间分析模型，并对各种模型的表示内容和实现方法进行了阐述，从而实现了城市人防工程的可视化和动态化管理。[3]
2．空问分析在数字城市中的应用通过空间分析，有利于认识空间现象和空间过程的规律机制，
实现空间现象和空间过程的预测预报，支持空间过程的调控与决策．例如，通过城市扩张现象的空间分析，了解城市扩张的历史过程与时空规律，预测其未来趋势，研究其调控措施，为城市可持续发展服务．空间分析的主要方法有：(1) 基于地图的空间图形分析，如
UGIS 中缓冲区分析、叠加分析、TIN ；(2) 空间动力学分析，有城市扩张模型、空间选择行为模型、空间价格竞争模型等；(3) 空间信息分析，是指根据数据或统计方法
建立的模型，如空间聚类、空间自相关、回归模型等。[10]
3 ．基于GIS 的城市地下管线空间分析模型的建立与实现为提高城市地下管线的管理水平，利用地理信息系统技术(GIS) 的空间分析功能，首先在分析地下管线的的实体一关系模型(E —R 模型)的基础上，根据GIS 空间分析
的特点，提出了基于空间分析的城市地下管线的数据库结构；其次，根据城市管线规划、管理和施工的需要，建立了城市地下管线的纵断面、横断面、最佳路径、地下管线三维分析等几种空间分析模型，并对各种模型的表示内容和实现方法进行了阐述．从而实现了城市地下管线的可视化和动态化管理。[6]
能源勘察评价领域
1．利用GIS 的空间分析功能进行油气储层综合评价
探讨油气储层地质信息的特点及利用地理信息系统GIS(Geographica1 Information System) 进行储层评价的优越性，通过储层综合评价数据库的建立，以GIS 的空间数据分析为手段，利用GIS 的特征提取与特征合并功能，提取隐含在地质、地球物理及测试等数据中的判别有利储层的特征信息。通过GIS 的拓扑叠加功能分析各储层综合评价因素的相关性，对研究区进行储层综合评价。[8]
2．基于GIS 空间分析进行多源信息成矿预测
GIS 空问分析在区域地质多源信息综合分析中，具有十分重要的作用。GIS 空间的分析特征及应用于区域地质找矿的主要有两种方法，即统计分析和叠加分析。结合兰坪盆地的区域地质特征，选取了遥感线性体密度异常、频度异常、遥感环形影像异常、地球化学异常、地球物理异常、地质异常及已知矿(点)床的分布等七种控
矿因素作为多源成矿预测的空间信息数据源。在此基础上，利用了GIS 的空间分析功能进行多源信息的综合分析，预洲龃三级成矿有利的区域。[9]
商业应用领域
1 ．基于GIS 空问分析的物流配送模型研究及应用
物流配送是将物资商品从供货点通过运输工具配送到需求点的地理空间位置的转移过程，因而在物流配送过程中，运用GIS 技术可以对供货点、需求点、交通线路等的地理信息进行提取、加工、分析，选择配送对象，确定运输路线，为物流配送决策服务，从而实现企业物流管理的可视化、动态化，提高物流管理的水平和效益。Voronoi 图在物流配送中的应用在市场竞争日益激烈的形势下，目前各大连锁超市公司为了赢得客户，占领市场，都开展了零售商品送货上门服务这项业务．该如何从这些超市向客户供货?对于某一具体的超市，它该向哪些客户送货?在市场的经济活
动中总是追求所花成本最小，进而追求利润的最大化，同样对于连锁超市公司也不例外，在向客户配送零售商品的过程中，也要进行合理的规划按排，使得配送成本最小．因为在配送过程中，
零售商品配送成本是和商品的空间运送距离成正相关的，因而应用Voronoi 图模型恰能解决超市该向谁送货的问题．从Voronoi 图的性质可以知道，对于某离散点的Voronoi 图内的任意一点q 到该离散点的距离小于到其它任意离散点的距离．所以如果用Voronoi 图对地理空间进行划分，根据Voronoi 图的第 2 条性质，则对于某一具体超市pi 来说，落入pi 的Voronoi 图内的客户就是该超市的零售商品所应配送的对象．[4]
2 ．基于优化理论和GIS 空间分析技术的公交站点规划方法针对交通规划的特点和目标，
介绍一种基于最优化原理和GIS 空问分析方法的交通站点规划方法．该方法依据乘客总出行时间最短确定单个线路上的站点个数，结合GIS 缓冲区分析和叠合分析，在路线上做站点设置的适宜性分析，确定站点的位置，从而提供一种交通规划的方法．由于公共交通设施网络涉及诸多因素，但考虑这么多的因素建立起的模型必然很复杂，而且难以求解．经分析取舍，考虑了主要的影响因子，建立了一个用于解决交通站点规划问题的方法．该方法主要基于最优化理论和GIS 适宜性分析技术，首先通过建立一个优化数学模型川确定交通站点的总数目，同时从这个数学模型得到各影响因子和站点个数之间关系的函数表达式，该表达式说明什么地方适宜建站点，从而为GIS 适宜性分析提供依据。[11]
土地管理与规划领域
1．土地利用变化研究中的GIS 空间分析方法及其应用
：土地利用变化研究尤其是空间变化研究，离不开GIS 的空间分析方法。该方法的敫据基础主要是矢量格式的土地利用图件和遥感解译制图成果；模型基础包括
GIS 的时空数据模型、属性数据模型和提取土地利用变化特征的原理模型；而数据
处理过程则涉及GIS 系统的数据转换功能、编辑功能、空间分析功能、数据库操作功能、空间统计分析功能以及图形显示功能等。本文结台北京市土地利用变化的实例分析，从上述三方面详细阐述了GIS 的空间分析方｝去丑其在土地利用变化研究中的应用。[12]
2 ．山东省土地适宜性空间分析及其优化配置研究
基于山东省自然、社会、经济统计资料及图形资料, 运用GIS 地理空间分析方法对山东省土地适宜性进行评价,同时对区域土地资源自然质量指数、土地资源综合适
宜度、相对适宜度进行研究。通过对适宜评价图和利用现状图的空间叠加, 计算、
分析了待调整土地资源的多度及重要值。以土地资源空间分析为基础, 多度、重要
值为依据, 进行土地资源空间优化配置。[13]
生态环境分析保护领域
1．西部地区荒漠生态系统空间分析土地荒漠化是困扰人类发展的主要问题一，荒漠生态系统是荒漠化地区可持续发展的基础。以资源环境数据库中的植被空间分布信息为本底，结合最新的调查和遥感资料，利用地理信息、遥感技术和统计手段，对中国荒漠生态系统的空间分布格局进行了详细的分析。中国的荒漠生态系统可以分为5个基本类型，1 5 类生态系统，在海拔、经向和纬向的分布上都存在一定的规律性。在研究各类荒漠生态系统空间分布特征的基础上，分析了荒漠化生态系统的总体特征。[14]
空间分析应用的领域还有很多，而且各个领域的应用也有不同的方面，例如：空间分析在商业楼项目选址中应用，空间分析在退耕还林中的应用，空间分析方法在房地产市场研究中的应用，空间分析理论在水利水电工程安全问题研究中的应用，空间分析在土地利用/ 土地覆被变化机制研究中的应用，空间分析在退耕还林中的应用，空间分析功能在水库旅游规划的应用等等。由于
篇幅原因，这里就不再详细介绍了，可参看相关参考文献。
总结
进入新的世纪，随着GIS 技术的的不断发展，空间分析技术在各个领域得到了广泛的应用。空间分析是地理信息系统的主要特征，也是评价一个地理信息系统功能的主要指标之一，它是地理信息系统的核心和灵魂! 但是空间分析的研究却一直滞后于空间数据结构、空间数据库以及地图数字化和自动绘图技术，因此地理信息系统如果向着丰富、全面的空间分析的智能型GIS 的方向发展，就必须具有空间建模功能，提供若干综合性、集成性的地学分析模型，而不仅仅具有一般的空间分析功能；还要解决GIS 与空间分析方法的结合途径问题以及空间数据的矢栅兼容问题，这些都将是今后空间分析的发展趋势。
参考文献：
[1] 靳军，刘建忠国内外GIS 软件的空间分析功能比较信息工程大学测绘学院
[2] 王明生于金金GIS 空间分析与铁路线路评价指标的量化石家庄铁道学交通工程分院
[3] 钟凯文基于GIS 的城市人防工程空间分析模型的建立与实现广州地理研
究所
[4] 陈彦军，吴国平，李敬民基于GIS 空问分析的物流配送模型研究及应用南
京大学城市与资源学系
[5] 吴建华，雷金平空间分析方法在航线设计和航路监视中的应用武汉理工
大学
[6] 韩勇，陈戈，李海涛基于GIS 的城市地下管线空间分析模型的建立与实现中国海洋大学海洋遥感研究所．青岛市勘察测绘研究院
[7] 徐京华交通地理信息空间分析西南交通大学土木工程学院
[8] 施冬，陈军，朱庆利用GIS 的空间分析功能进行油气储层综合评价测绘遥感信息工程国家重点实验室，国家基础地理信息中心，长江大学地球科学系
[9] 廖崇高，杨武年，刘登忠，陈建平基于GIS 空间分析进行多源信息成矿预测成都理工犬学遥感与GIS 研究所中国地质犬学高新技术应用研究所
[10] 柯新利空问分析在数字城市中的应用空间信息与数字工程研究中心
[11] 谢华都金康基于优化理论和GIS 空间分析技术的公交站点规划方法南京大学城市资源系
[12] 朱会义，何书金，张明土地利用变化研究中的GIS 空间分析方法及其应用中国科学院
地理科学与资楫研究所
[13] 郑宇, 胡业翠, 刘彦随, 赵庚星山东省土地适宜性空间分析及其优化配置研
究中国科学院地理科学与资源研究所
[14] 任鸿昌，吕永龙，姜英，孙景梅西部地区荒漠生态系统空间分析中国科学院生态环境研究中心国家林业局西北设计院
[15] 王秋红，王晓华，王树东，彭小沾GIS 空间分析在商业楼项目选址中应用河北工程学院经管学院中国矿业大学
[16] 赵鹏祥，郝红科，刘广全GIS 空间分析在退耕还林中的应用研究西北农林科技大学林学院
[17] 孟斌，张景秋，王劲峰，张文忠，郝卫秋空间分析方法在房地产市场研究中的应用以北京市为例北京联合大学应用文理学院，中国科学院地理科学与资源研究所
[18] 王仁超，杨锼，吴艳空间分析理论在水利水电工程安全问题研究中的应用天津大学建筑工程学院
[19] 赵小沉，沈润平空间分析在土地利用／土地覆被变化机制研究中的应用江西农业大学国土资源与环境学院
[20] 赵鹏祥，郝红科，刘广全GIS 空间分析在退耕还林中的应用研究西北农林科技大学林学院
[21] 叶红，章洲GIS 空间分析功能在水库旅游规划的应用探讨--以福建金湖风景区旅游规划为例
数据挖掘方法综述 [摘要]数据挖掘（DM，DataMining）又被称为数据库知识发现（KDD,Knowledge Discovery in Databases）,它的主要挖掘方法有分类、聚类、关联规则挖掘和序列模式挖掘等。 [关键词]数据挖掘分类聚类关联规则序列模式 1、数据挖掘的基本概念 数据挖掘从技术上说是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在的有用的信息和知识的过程。这个定义包括好几层含义: 数据源必须是真实的、大量的、含噪声的、发现的是用户感兴趣的知识, 发现的知识要可接受、可理解、可运用, 并不要求发现放之四海皆准的知识, 仅支持特定的发现问题, 数据挖掘技术能从中自动分析数据进行归纳性推理从中发掘出潜在的数据模式或进行预测, 建立新的业务模型帮助决策者调整策略做出正确的决策。数据挖掘是是运用统计学、人工智能、机器学习、数据库技术等方法发现数据的模型和结构、发现有价值的关系或知识的一门交叉学科。数据挖掘的主要方法有分类、聚类和关联规则挖掘等 2、分类 分类（Classification）又称监督学习（Supervised Learning）。监
督学习的定义是：给出一个数据集D，监督学习的目标是产生一个联系属性值集合A和类标（一个类属性值称为一个类标）集合C的分类/预测函数，这个函数可以用于预测新的属性集合（数据实例）的类标。这个函数就被称为分类模型（Classification Model），或者是分类器（Classifier）。分类的主要算法有：决策树算法、规则推理、朴素贝叶斯分类、支持向量机等算法。 决策树算法的核心是Divide-and-Conquer的策略，即采用自顶向下的递归方式构造决策树。在每一步中，决策树评估所有的属性然后选择一个属性把数据分为m个不相交的子集，其中m是被选中的属性的不同值的数目。一棵决策树可以被转化成一个规则集，规则集用来分类。 规则推理算法则直接产生规则集合，规则推理算法的核心是Separate-and-Conquer的策略，它评估所有的属性-值对（条件），然后选择一个。因此，在一步中，Divide-and-Conquer策略产生m条规则，而Separate-and-Conquer策略只产生1条规则，效率比决策树要高得多，但就基本的思想而言，两者是相同的。 朴素贝叶斯分类的基本思想是：分类的任务可以被看作是给定一个测试样例d后估计它的后验概率，即Pr（C=c j︱d），然后我们考察哪个类c j对应概率最大，便将那个类别赋予样例d。构造朴素贝叶斯分类器所需要的概率值可以经过一次扫描数据得到，所以算法相对训练样本的数量是线性的，效率很高，就分类的准确性而言，尽管算法做出了很强的条件独立假设，但经过实际检验证明，分类的效果还是
新疆农业大学 专业文献综述 题目:遥感数据管理系统 姓名:古力古拉.约力瓦司 学院:计算机与信息工程学院 专业:信息管理与信息系统 班级:信管071班 学号:074631102 指导教师:蒲智职称:硕士 2011年12月20日 新疆农业大学教务处制
遥感数据管理系统的文献综述 古力古拉蒲智 摘要：随着遥感技术的飞速发展,获取的遥感影像资料也越来越多，而如何有效地存储及管理好这些海量数据，成为当前一个越来越突出的问题。遥感接受数据是遥感影像应用的重要数据来源，因此对待特殊格式的遥感数据的存储和管理成为卫星遥感应用的重要环节。基于VB开发技术建立遥感数据管理平台，实现空间数据的快速查询和属性数据的自动入库等高效管理功能。 关键词：卫星遥感；数据管理；存储；VB开发；数据查询； 引言 随着航天航空技术的发展,遥感技术手段也越来越成熟,其基础数据量也越来越庞大,使得如何有效地存储并管理遥感基础数据成为一个越来越突出的问题。遥感数据信息大多以数字形式存储，包括各种格式和不同级别的影像数据，但是大量数据资料没有得到有效利用，成为影像数据应用的瓶颈。如何有效的存储，管理和利用不断增多和更新的遥感数据是遥感应用中迫切需要解决的数据管理难题。因此必须理顺数据接受，处理，存储，管理和应用各个环节的流程，提高数据应用的效率，以快速获取和解译更加丰富的，有价值的空间数据信息，发挥卫星遥感影像的实时性和快速性优势。 1遥感数据管理的概述 遥感卫星成像工作主要包括两个方面的内容，一部分为信息获取，一部分为数据下传信息获取是指当卫星运行轨迹经过用户要求的观测区域上空时，针对用户圈定的地物目标，安排遥感器在指定工作模式下，获取指定时间内的图像数据下传是指将获取的图像数据通过卫星的数据传输系统，在地面接收站的覆盖范围内传回地面遥感卫星计划管理的任务就是将众多用户的观测申请，转换为满足用户需求符合卫星约束的遥感卫星工作计划卫星遥感数据管理系统是以卫星遥感接受数据作为数据基础，对多种类型和不同级别的卫星接受数据进行数据处理，数据存储和数据管理的系统，解决卫星遥感接收数据管理混乱和查询困难的技术难题，建立卫星接收原始数据库，卫星接收预处理数据库和卫星接收后处理数据库三个空间子数据库实体，开发遥感数据管理软件平台，实现接收数据的空间数据和属性数据的可视化管理，数据入库和多种方式查询的业务化功能。 遥感技术的应用范围 遥感技术广泛用于军事侦察，导弹预警，军事测绘，海洋监视，气象观测和互剂侦检等。在民用方面随着遥感成像技术的发展，遥感技术广泛用于灾害防治，环境监测，城市规划，农作物生长预报，地球资源普查，植被分类，海洋研制，地震监测等方面。 遥感的特点
GIS 技术的研究现状及未来发展趋势 摘要:GIS 是随着计算机技术发展而形成的一门新兴技术,其应用程度和范围也随之渗透、延伸,得到了人们的广泛关注。该文综述了地理信.息的发展现状,从多个角度分析当前 GIS 技术发展存在的不足,并在此基础上研究分析了 GIS 技术的未来发展趋势。 关键词:GIS 研究现状发展趋势 0 引言 随着计算机技术的飞速发展、空间技术的日新月异及计算机图形学理论的日渐完善, GIS(Geographic Information System技术也日趋成熟,并且逐渐被人们所认识和接受。近年来, GIS 被世界各国普遍重视,尤其是“数字地球”概念的提出,使其核心技术 GIS 更为各国政府所关注。目前,以管理空间数据见长的 GIS 已经在全球变化与监测、军事、资源管理、城市规划、土地管理、环境研究、农作物估产、灾害预测、交通管理、矿产资源评价、文物保护、湿地制图以及政府部门等许多领域发挥着越来越重要的作用。当前 GIS 正处于急剧发展和变化之中,研究和总结 GIS 技术发展,对进一步开展 GIS 研究工作具有重要的指导意义。因此,本文就目前 GIS 技术的研究现状及未来发展趋势进行总结和分析。 1 GIS 研究现状及其分析 1.1 GIS研究现状 世纪 90年代以来,由于计算机技术的不断突破以及其它相关理论和技术的完善, GIS 在全球得到了迅速的发展。在海量数据存储、处理、表达、显示及数据共享技术等方面都取得了显著的成效,其概括起来有以下几个方面 [1]:①硬件系统采用服务器 /客户机结构,初步形成了网络化、分布式、多媒体 GIS ; ②在 GIS 的设计中, 提出了采用“开放的 CIS 环境” 的概念, 最终以实现资源共享、数据共享为目标; ③高度重视数据标准化与数据质量的问题, 并已形成一些较为可行的数据标准; ④ 面向对象的数据库管理系统已经问世, 正在发展称之为“对象 --关系 DBMS (数据库
信息技术教师专业化发展研究文献综述 信息技术教师专业化发展研究文献综述信息技术教师专业化发展研究文献综述 教育学院教育技术022班方平 指导老师:熊才平 摘要:随着基础教育信息化的推进和新一轮课程改革的深入,中小学信息技术教育的地位日渐凸显.作为信息技术教育的实践者和培养学生信息素养的指导者—信息技术教师则面临着全新的挑战:信息技术教师专业化发展.信息技术教师专业化过程中存在的问题,如何提升信息技术教师专业化,促进信息技术教师专业化发展作了文献综述. 关键字:教育信息化;课程改革;信息技术教师;教师专业化 一,前言 教师职业从经验化,随意化到专业化,经历了一个发展的过程.从20世纪60年代中期开始,许多国家对教师"量"的急需逐渐被提高教师"质"的需求所代替,对教师素质的关注达到了前所未有的程度[1].80年代以来,教师专业化则形成了世界性的潮流. 90年代以来,信息化水平的不断提高,知识更新速度的加快,信息技术教育的地位日渐凸显.作为信息技术教育的实践者和培养学生信息素养的指导者—信息技术教师则面临着全新的挑战:信息技术教师专业化发展. 二,主题 (一)研究背景分析 中国教师专业化的历史进程:1988年,由范宁编译的《霍姆斯协会报告:明天的教师(1986)》可能是国内最早引进的国外教师专业化专题研究的论文.20 世纪 90 年代中期以后,教师专业化问题陆续引起广泛关注.2001年,由教育部师范司组织编写,用以指导专业化实践的《教师专业化的理论与实践》一书出版发行;同年,首都师范大学在国内开大学与中小学联姻之先河,建立教师专业发展学校.这两个从政府到学校,从理论到实践的重要行动,直接推动了国内教师专业化研究热潮的兴起.[2] 近年来,随着信息技术的高速度发展,日新月异的信息技术将人类带入了绚烂而精彩的信息社会,身处这一时代,我们可以强烈感受到信息技术的触角已经或正在延伸
（2011届） 毕业论文（设计）文献综述 题目：学科领域信息可视化研究--以管理信息系统领域为例 学院：商学院 专业：信息系统与信息管理 班级： 学号： 姓名： 指导教师：
一、前言部分 随着信息的日益丰富和互联网技术的发展,如何在海量数据中获取有效信息这一问题促使信息可视化领域成为当前的研究热点之一。信息可视化（information visualization），有时也被称作数据可视化（data visualization），近几年在国际上得到了广泛的重视。所谓信息可视化，就是将抽象数据用可视的形式表示出来，以利于分析数据、发现规律和支持决策。信息可视化的一个重要分支是引文分析可视化。自从加菲尔德创立引文索引数据库以来，引文分析法越来越多地被用来进行科学结构的分析、科学技术史及其发展规律的研究、科研绩效的评价等方面。它借鉴了很多科学可视化的技术，但又不同于科学可视化。科学可视化中的数据主要是物理世界、自然科学中的数据，例如卫星传回的数据等；而信息可视化中的数据来自社会现实和社会科学的各个方面，一般是比较抽象的数据，如金融数据、商业信息、文献等。信息可视化有以下几个比较突出的优点[1]： 1 提供了一条直观理解大量数据的途径。通过可视化，能够立刻辨别出最重要的信息 2 能够查询到没有预想到的现象。 3 能够发现数据本身的问题。合适的可视化方式可以揭示出数据本身以及人为造成的数据错误。 引文分析主要运用数学和逻辑学等方法对期刊、论文、专著等研究对象的引用和被引用现象和规律进行分析，以便揭示其数量特征和内在规律[2]。因为引文分析要处理大量的抽象的引文数据，信息可视化所具备的诸多优势无疑能促进引文分析应用这项技术。因此引文分析可视化最近几年在国外得到了蓬勃的发展，已经被应用于科学史研究、科学结构分析、知识领域显现等。但我国在这方面的研究层次较低，更多的是理论上的探讨，因此分析探讨国外在这方面研究中所采取的技术与方法对我国的研究无疑具有很强的借鉴意义。 近年来，随着社会信息化的推进和网络应用的日益广泛，信息源越来越庞大。目前已进入前所未有的信息时代。我们每天都处在各种信息的包围之中，需要一种快捷有效的方式帮助我们发现隐藏在庞杂信息当中的模式和知识，帮助我们决策。可视化的目标就是帮助人们增强认知能力，此即信息可视化的意义所在。信息的日益丰富决定着未来用户界面主要是一种信息界面，就某种意义而言，信息可视化代表着下一代用户界面的方向[2]。因为引文分析
数据挖掘简介 数据挖掘的任务 数据挖掘的任务就是从实例集合中找出容易理解的规则和关系。这些规则可以用于预测未来趋势、评价顾客、评估风险或简单地描述和解释给定的数据。通常数据挖掘的任务包括以下几个部分: 数据总结目的是对数据进行浓缩，给出它的紧凑描述。传统的也是最简单的数据总结方法是计算出数据库的各个字段上的求和值、平均值、方差值等统计值，或者用直方图、饼图等图形方式表示。数据挖掘主要关心从数据泛化的角度来讨论数据总结。数据泛化是一种把数据库中的有关数据从低层次抽象到高层次上的过程。数据泛化目前主要有两种技术:多维数据分析方法和面向属性的归纳方法。 多维数据分析方法是一种数据仓库技术，也称作联机分析处理(OLAP，onLineAnalysisProeess)。数据仓库是面向决策支持的、集成的、稳定的、不同时间的历史数据集合。决策的前提是数据分析。在数据分析中经常要用到诸如求和、总计、平均、最大、最小等汇集操作，这类操作的计算量特别大。因此一种很自然的想法是，把汇集操作结果预先计算并存储起来，以便于决策支持系统使用。存储汇集操作结果的地方称作多维数据库。多维数据分析技术已经在决策支持系统中获得了成功的应用，如著名的SAS数据分析软件包、Businessobject公司的决策支持系统Businessobjeet，以及IBM公司的决策分析工具都使用了多维数据分析技术。 采用多维数据分析方法进行数据总结，它针对的是数据仓库，数据仓库存储的是脱机的历史数据。为了处理联机数据，研究人员提出了一种面向属性的归纳方法。它的思路是，直接对用户感兴趣的数据视图(用一般的SQL查询语言即可获得)进行泛化，而不是像多维数据分析方法那样预先就存储好了泛化数据。方法的提出者对这种数据泛化技术称之为面向属性的归纳方法。原始关系经过泛化操作后得到的是一个泛化关系，它从较高的层次上总结了在低层次上的原始关系。有了泛化关系后，就可以对它进行各种深入的操作而生成满足用户需要的知识，如在泛化关系基础上生成特性规则、判别规则、分类规则，以及关联规则等。数据挖掘的分类 数据挖掘所能发现的知识有如下几种: .广义型知识，反映同类事物共同性质的知识; .特征型知识，反映事物各方面的特征知识; .差异型知识，反映不同事物之间属性差别的知识; .关联型知识，反映事物之间依赖或关联的知识; .预测型知识，根据历史的和当前的数据推测未来数据; .偏离型知识。揭示事物偏离常规的异常现象。 所有这些知识都可以在不同的概念层次上被发现，随着概念树的提升，从微观到中观再到宏观，以满足不同用户、不同层次决策的需要。例如，从一家超市的数据仓库中，可以发现的一条典型关联规则可能是“买面包和黄油的顾客十有八九也买牛奶”，也可能是“买食品的顾客几乎都用信用卡”，这种规则对于商家开发和实施客户化的销售计划和策略是非常有用的。 数据挖掘的方法 数据挖掘并非一个完全自动化的过程。整个过程需要考虑数据的所有因素和其预定的效用，然后应用最佳的数据挖掘方法。数据挖掘的方法很重要。在数据挖掘的领域里.有一点已经被广泛地接受，即不管你选择哪种方法，总存在着某种协定。因此对实际情况，应该具体分析，根据累积的经验和优秀的范例选择最佳的方法。数据挖掘中没有免费的午餐，也没
空间聚类的研究现状及其应用＊ 戴晓燕1 过仲阳1 李勤奋2 吴健平1 (1华东师范大学教育部地球信息科学实验室 上海 200062) (2上海市地质调查研究院 上海 200072) 摘 要 作为空间数据挖掘的一种重要手段,空间聚类目前已在许多领域得到了应用。文章在对已有空间聚类分析方法概括和总结的基础上,结合国家卫星气象中心高分辨率有限区域分析预报系统产品中的数值格点预报(HLAFS)值,运用K-均值法对影响青藏高原上中尺度对流系统(MCS)移动的散度场进行了研究,得到了一些有意义的结论。 关键词 空间聚类 K-均值法 散度 1 前言 随着GPS、GI S和遥感技术的应用和发展,大量的与空间有关的数据正在快速增长。然而,尽管数据库技术可以实现对空间数据的输入、编辑、统计分析以及查询处理,但是无法发现隐藏在这些大型数据库中有价值的模式和模型。而空间数据挖掘可以提取空间数据库中隐含的知识、空间关系或其他有意义的模式等[1]。这些模式的挖掘主要包括特征规则、差异规则、关联规则、分类规则及聚类规则等,特别是聚类规则,在空间数据的特征提取中起到了极其重要的作用。 空间聚类是指将数据对象集分组成为由类似的对象组成的簇,这样在同一簇中的对象之间具有较高的相似度,而不同簇中的对象差别较大,即相异度较大。作为一种非监督学习方法,空间聚类不依赖于预先定义的类和带类标号的训练实例。由于空间数据库中包含了大量与空间有关的数据,这些数据来自不同的应用领域。例如,土地利用、居住类型的空间分布、商业区位分布等。因此,根据数据库中的数据,运用空间聚类来提取不同领域的分布特征,是空间数据挖掘的一个重要部分。 空间聚类方法通常可以分为四大类:划分法、层次法、基于密度的方法和基于网格的方法。算法的选择取决于应用目的,例如商业区位分析要求距离总和最小,通常用K-均值法或K-中心点法;而对于栅格数据分析和图像识别,基于密度的算法更合适。此外,算法的速度、聚类质量以及数据的特征,包括数据的维数、噪声的数量等因素都影响到算法的选择[2]。 本文在对已有空间聚类分析方法概括和总结的基础上,结合国家卫星气象中心高分辨率有限区域分析预报系统产品中的数值格点预报(HLAFS)值,运用K-均值法对影响青藏高原上中尺度对流系统(MCS)移动的散度场进行了研究,得到了一些有意义的结论。 2 划分法 设在d维空间中,给定n个数据对象的集合D 和参数K,运用划分法进行聚类时,首先将数据对象分成K个簇,使得每个对象对于簇中心或簇分布的偏离总和最小[2]。聚类过程中,通常用相似度函数来计算某个点的偏离。常用的划分方法有K-均值(K-means)法和K-中心(K-medoids)法,但它们仅适合中、小型数据库的情形。为了获取大型数据库中数据的聚类体,人们对上述方法进行了改进,提出了K-原型法(K-prototypes method)、期望最大法EM(Expectation Maximization)、基于随机搜索的方法(ClAR ANS)等。 K-均值法[3]根据簇中数据对象的平均值来计算 ——————————————— ＊基金项目:国家自然科学基金资助。(资助号: 40371080) 收稿日期:2003-7-11 第一作者简介:戴晓燕,女,1979年生,华东师范大学 地理系硕士研究生,主要从事空间数 据挖掘的研究。 · 41 · 2003年第4期 上海地质 Shanghai Geology
浅谈信息技术与课程整合文献综述 院别：教育技术与传播学院 专业：教育技术（师范） 班级：08师范（2）班 姓名：钟金芳 学号：2008084144126
浅谈信息技术与课程整合 摘要：信息技术已经越来越被重视，成为一种重要的文化工具，在新课改的要求下，它的作用更加明确和提升了层次。在课堂教育中，信息技术与课程整合发挥着举足轻重的作用，然后，对于不少人来说，它还是一个较新的概念和领域，容易与熟悉的计算机辅助教学混淆。本文对信息技术与课程的整合的内涵进行了梳理，介绍其优势和发展过程中遇到的问题及对策。 关键字：信息技术课程整合内涵对策 一、信息技术与课程整合的内涵 何为信息技术与课程整合？李克东（华南师范大学教育技术研究所教授博导）：信息技术与课程整合是指在课程教学过程中把信息技术、信息资源、信息方法、人力资源和课程内容有机结合，共同完成课程教学任务的一种新型的教学方式。它的基本思想包括三个基本点：要在以多媒体和网络为基础的信息化环境中实施课程教学活动；对课程教学内容进行信息化处理后成为学习者的学习资源；利用信息加工工具让学生知识重构。何克抗（北京师范大学现代教育技术研究所教授博导）认为：信息技术与课程整合的本质与内涵是要求在先进的教育思想理论的指导下，尤其是主导、主体教学理论的指导下，把计算机及网络为核心的信息技术作为促进学生自主学习的认知工具与情感激励工具、丰富的教学环境的创设工具，并将这些工具全面地应用到各学科教学过程中，使各种教学资源各个教学要素和教学环节，经过整理组合，相互融合，在整体优化的基础上产生聚集效应，从而促进传统教学方式的根本变革，也就是促进以教师为中心的教学结构与教学模式的变革，从而达到培养学生创新精神与实践能力的目标。祝智庭（华东师范大学教育科学学院教授）认为：课程整合是指把技术以工具的形式与课程融合，以促进对某一知识领域或多学科领域的学习技术使学生能够以前所未有的方法进行学习只有当学生能够选择工具帮助自己及时地获取信息 分析与综合信息并娴熟地表达出来时，技术整合于课程才是有效的技术应该象其他所有可能获得的课堂教具一样成为课堂的内在组成部分。南国农（我国著名电化教育专家）：信息技术与课程整合指将信息技术以工具的形式与课程融合，以促进学习，指将信息技术融入课程教学系统各要素中，使之成为教师的教学工具学生的认识工具重要的教材形态主要的教学媒体，或指将信息技术融入课程教学的各个领域：班级授课、小组学习、自主学习成为既是学习的对象，又是学习的手段。黎加厚（上海师范大学教育技术系教授）认为：信息技术与课程整合是指把信息技术作为工具与课程融合，以增强对某一学习内容或多学科领域的学习信息技术使得学生能够以过去无法实现的方式进行学习当学生能够选择信息技术工具来帮助他们及时地获取信息，分析、综合并熟练地表达信息时，信息技术与课程整合才是有效的信息技术能够成为课堂活动的整体组成部分，就像教
第37卷第7期测绘与空间地理信息 GEOMATICS ＆SPATIAL INFOＲMATION TECHNOLOGY Vol．37，No．7收稿日期：2014－01－22 作者简介：马宏斌（1982－），男，甘肃天水人，作战环境学专业博士研究生，主要研究方向为地理空间信息服务。 大数据时代的空间数据挖掘综述 马宏斌1 ，王 柯1，马团学 2（1．信息工程大学地理空间信息学院，河南郑州450000；2．空降兵研究所，湖北孝感432000） 摘 要：随着大数据时代的到来，数据挖掘技术再度受到人们关注。本文回顾了传统空间数据挖掘面临的问题， 介绍了国内外研究中利用大数据处理工具和云计算技术，在空间数据的存储、管理和挖掘算法等方面的做法，并指出了该类研究存在的不足。最后，探讨了空间数据挖掘的发展趋势。关键词：大数据；空间数据挖掘；云计算中图分类号：P208 文献标识码：B 文章编号：1672－5867（2014）07－0019－04 Spatial Data Mining Big Data Era Ｒeview MA Hong －bin 1，WANG Ke 1，MA Tuan －xue 2 （1．Geospatial Information Institute ，Information Engineering University ，Zhengzhou 450000，China ； 2．Airborne Institute ，Xiaogan 432000，China ） Abstract ：In the era of Big Data ，more and more researchers begin to show interest in data mining techniques again．The paper review most unresolved problems left by traditional spatial data mining at first．And ，some progress made by researches using Big Data and Cloud Computing technology is introduced．Also ，their drawbacks are mentioned．Finally ，future trend of spatial data mining is dis-cussed． Key words ：big data ；spatial data mining ；cloud computing 0引言 随着地理空间信息技术的飞速发展，获取数据的手 段和途径都得到极大丰富，传感器的精度得到提高和时空覆盖范围得以扩大，数据量也随之激增。用于采集空间数据的可能是雷达、红外、光电、卫星、多光谱仪、数码相机、成像光谱仪、全站仪、天文望远镜、电视摄像、电子 显微镜、CT 成像等各种宏观与微观传感器或设备，也可能是常规的野外测量、人口普查、土地资源调查、地图扫描、 地图数字化、统计图表等空间数据获取手段，还可能是来自计算机、 网络、GPS ，ＲS 和GIS 等技术应用和分析空间数据。特别是近些年来，个人使用的、携带的各种传感器（重力感应器、电子罗盘、三轴陀螺仪、光线距离感应器、温度传感器、红外线传感器等），具备定位功能电子设备的普及，如智能手机、平板电脑、可穿戴设备（GOOGLE GLASS 和智能手表等），使人们在日常生活中产生了大量具有位置信息的数据。随着志愿者地理信息（Volunteer Geographic Information ）的出现，使这些普通民众也加入到了提供数据者的行列。 以上各种获取手段和途径的汇集，就使每天获取的 数据增长量达到GB 级、 TB 级乃至PB 级。如中国遥感卫星地面站现在保存的对地观测卫星数据资料达260TB ，并以每年15TB 的数据量增长。比如2011年退役的Landsat5卫星在其29年的在轨工作期间，平均每年获取8．6万景影像，每天获取67GB 的观测数据。而2012年发射的资源三号（ZY3）卫星，每天的观测数据获取量可以达到10TB 以上。类似的传感器现在已经大量部署在卫 星、 飞机等飞行平台上，未来10年，全球天空、地空间部署的百万计传感器每天获取的观测数据将超过10PB 。这预示着一个时代的到来，那就是大数据时代。大数据具有 “4V ”特性，即数据体量大（Volume ）、数据来源和类型繁多（Variety ）、数据的真实性难以保证（Veracity ）、数据增加和变化的速度快（Velocity ）。对地观测的系统如图1所示。 在这些数据中，与空间位置相关的数据占了绝大多数。传统的空间知识发现的科研模式在大数据情境下已经不再适用，原因是传统的科研模型不具有普适性且支持的数据量受限， 受到数据传输、存储及时效性需求的制约等。为了从存储在分布方式、虚拟化的数据中心获取信息或知识，这就需要利用强有力的数据分析工具来将
第一章计算机基础知识 第一节信息技术概述 1信息化社会的技术特征是______。 A.现代信息技术 B.计算机技术 C.通信技术 D.网络技术 2下面关于信息的定义，不正确的是______。 A.信息是不确定性的减少或消除 B.信息是控制系统进行调节活动时，与外界相互作用、相互交换的内容 C.信息是事物运动的状态和状态变化的方式 D.信息就是指消息、情报、资料、信号 3信息来源于社会又作用于社会，说明信息具有______。 A.社会性 B.传载性 C.时间性 D.不灭性 4信息被存储和传输，说明了信息具有______。 A.社会性 B.传载性 C.能动性 D.不灭性 5信息技术的根本目标是______。 A.获取信息 B.利用信息 C.生产信息 D.提高或扩展人类的信息能力 6信息技术指的是______。 A.获取信息的技术 B.利用信息的技术 C.生产信息的技术 D.能够提高或扩展人类信息能力的方法和手段的总称 7信息技术的发展经历了______发展时期。 个个个个 8信息技术大致上可以归纳为______相互区别又相互关联的层次。 个个个个 9信息获取技术属于信息技术的______。 A.主体层次 B.应用层次 C.外围层次 D.其它层次 10下列技术不属于信息获取技术的是______。 A.传感技术 B.遥测技术 C.遥感技术 D.机器人技术 11信息技术的主体层次，除了包括信息获取技术、信息存储技术、信息处理技术、信息传输技术外，还包括______。 A.激光技术 B.微电子技术 C.卫星通信技术 D.信息控制技术
12目前在信息处理技术中起中坚作用的是计算机技术和_______等。 A.人工智能技术 B.多媒体技术 C.计算机网络技术 D.无线通信技术 13关于信息技术的功能的描述，不正确的是______。 A.信息技术的功能是指信息技术有利于自然界和人类社会发展的功用与效能 B.从宏观上看，信息技术最直接、最基本的功能或作用主要体现在：辅人功能、开发功能、协同功能、增效功能和先导功能 C.在信息社会中，信息技术的功能或作用是有限的，且固定不变 D.信息技术的天职就是扩展人的信息器官功能，提高或增强人的信息获取、存储、处理、传输、控制能力 14下面关于信息化的描述，不正确的是______。 A.信息化是当代技术革命所引发的一种新的社会经济现象 B.信息化仅仅是指信息处理电脑化，远程通信体的网络化 C.物质生产日益依靠信息生产，且在生产和服务消耗构成中，信息所占比重上升 D.经济运行和社会进步过程中，信息活动的导向作用加强 15信息化社会不仅包括社会的信息化，同时还包括______。 A.工厂自动化 B.办公自动化 C.家庭自动化 D.上述三项 16 0～9等数字符号是十进制数的数码，全部数码的个数称为______。 A.码数 B.基数 C.位权 D.符号数 17关于进位计数制的描述，正确的是______。 、D、H、O分别代表二、八、十、十六进制数 B.十进制数100用十六进制数可表示为(100)16 C.在计算机内部也可以用八进制数和十六进制数表示数据 D.十六进制数AEH转换成二进制无符号数是 18数值10H是______的一种表示方法。 A.二进制数 B.八进制数 C.十进制数 D.十六进制数 19二进制数01100100转换成十六进制数是______。 20计算机的存储容量常用KB为单位，这里1KB表示______。 个字节个二进制信息位个字节个二进制信息位 21下列存储容量单位中，最大的是______。
可视化空间数据挖掘研究综述 贾泽露1，2 刘耀林2 （1. 河南理工大学测绘与国土信息工程学院，焦作，454000；2. 武汉大学资源与环境科学学院，武汉，430079）摘要：空间数据挖掘针对的是更具有可视化要求的地理空间数据的知识发现过程，可视化能提供同用户对空间目标心理认知过程相适应的信息表现和分析环境，可视化与空间数据挖掘的结合是该领域研究发展的必然，并已成为一个研究热点。论文综述了空间数据挖掘和可视化的研究现状，重点阐述了空间数据挖掘中的可视化化技术及其应用，并对可视化空间数据挖掘的发展趋势进行了阐述。 关键词：数据挖掘；空间数据挖掘；数据可视化；信息可视化；GIS； 空间信息获取技术的飞速发展和各种应用的广泛深入，多分辨率、多时态空间信息大量涌现，以及与之紧密相关的非空间数据的日益丰富，对海量空间信息的综合应用和处理技术提出了新的挑战，要求越来越高。空间数据挖掘技术作为一种高效处理海量地学空间数据、提高地学分析自动化和智能化水平、解决地学领域“数据爆炸、知识贫乏”问题的有效手段，已发展成为空间信息处理的关键技术。然而，传统数据挖掘“黑箱”作业过程使得用户只能被动地接受挖掘结果。可视化技术能为数据挖掘提供直观的数据输入、输出和挖掘过程的交互探索分析手段，提供在人的感知力、洞察力、判断力参与下的数据挖掘手段，从而大大地弥补了传统数据挖掘过程“黑箱”作业的缺点，同时也大大弥补了GIS重“显示数据对象”轻“刻画信息结构”的弱点，有力地提高空间数据挖掘进程的效率和结果的可信度[1]。空间数据挖掘中可视化技术已由数据的空间展现逐步发展成为表现数据内在复杂结构、关系和规律的技术，由静态空间关系的可视化发展到表示系统演变过程的可视化。可视化方法不仅用于数据的理解，而且用于空间知识的呈现。可视化与空间数据挖掘的结合己成为必然，并已形成了当前空间数据挖掘1与知识发现的一个新的研究热点——可视化空间数据挖掘(Visual Spatial Data Mining，VSDM)。VSDM技术将打破传统数据挖掘算法的“封闭性”，充分利用各式各样的数据可视化技术，以一种完全开放、互动的方式支持用户结合自身专业背景参与到数据挖掘的全过程中，从而提高数据挖掘的有效性和可靠性。本文将对空间数据挖掘、可视化的研究概况，以及可视化在空间数据挖掘中的应用进行概括性回顾总结，并对未来发展趋势进行探讨。 一、空间数据挖掘研究概述 1.1 空间数据挖掘的诞生及发展 1989年8月，在美国底特律市召开的第一届国际联合人工智能学术会议上，从事数据库、人工智能、数理统计和可视化等技术的学者们，首次出现了从数据库中发现知识(knowledge discovery in database，KDD)的概念，标志着数据挖掘技术的诞生[1]。此时的数据挖掘针对的 作者1简介：贾泽露（1977,6－），男，土家族，湖北巴东人，讲师，博士，主要从事空间数据挖掘、可视化、土地信息系统智能化及GIS理论、方法与应用的研究和教学工作。 作者2简介：刘耀林(1960,9- ),男，汉族，湖北黄冈人，教授，博士，博士生导师，武汉大学资源与环境科学学院院长，现从事地理信息系统的理论、方法和应用研究和教学工作。
毕业论文文献综述 信息与计算科学 基于matlab的数据挖掘技术研究 数据挖掘是用于大规模数据处理的一种新的思维方式和技术手段，他是在现实生活中各种数据量呈指数级不断增长，以及以数据库(database)技术为核心的信息技术逐渐成熟的背景下产生的。数据挖掘可以帮助用户发现影藏在大型数据库中的规律和模式，它融合了人工智能(artificial intelligence)、统计（statistics）、机器学习（nachine learning）、模式识别（pattern recognition）和数据库等多种学科的理论、方法与技术，已经在商业、企业、政府、科研及体育等多种不同类型的组织机构和领域中获得了非常广泛的应用。即使在日常生活中，数据挖掘技术也已经潜移默化地参与到人们的生活质量改善过程中。 数据挖掘有很多种技术和计算方法，包括决策树方法（decision tree）、人工神经网络方法（artificial neural metwork，ANN）、聚类分析、模糊集合方法、遗传算法（genetic algorithm）、模拟退火算法(simulated annealing,SA)、进化式程序设计(evolutionary programming)等。这里主要介绍一下聚类分析、遗传算法和人工神经网络算法。 聚类分析也称无监督学习，或无教师学习，或无指导学习，因为和分类学习相比，聚类的样本没有标记，需要由聚类学习算法来自动确定。聚类分析是研究如何在没有训练的条件下把样本划分为若干。聚类（clustering）是对物理的或抽象的样本集合分组的过程。聚类分析有很多种目标，但都涉及把一个样本集合分组或分割为子集或簇（cluster）。从统计学的观点看，聚类分析是通过数据建模简化数据的一种方法。聚类分析主要针对的数据类型包括区间标度变量、二值变量、标称变量、序数型变量、比例标度型变量以及由这些变量类型构成的复合类型。聚类算法应具有以下几个特点：1处理不同字段类型的能力；2可伸缩性；3处理高维数据的能力；4发现具有任意簇的形状的族类能力；5能够处理异常数据；6对数据顺序的不敏感性；7输入参数对领域知识的弱依赖性；8聚类结果的可解释性和实用性；9增加限制条件后的聚类分析能力。 基因算法起源于对生物系统进行的计算机模拟研究，是一种受生物进化启发，使用计算机模拟生物进化的学习方法。基因算法是模拟生物进化过程的计算模型，是自然遗传学与计算机科学互相结合、互相渗透而形成的新的计算方法。基因算法的最大优点是问题求解与初始条件无关，搜索最优解的能力极强。从数学的角度看，基因算法是一种概率型搜索算法：从工程学角度看，它是一种自适应的迭代寻优过程。基因算法需要完成两种数据转换，算法实施之前进行从表现型到基因型的转换，即将搜索空间中的参数或可行解转化成遗传空间中的染色体或个体，完成编码操作；在算法
研究生试卷 2013年— 2014年度第二学期 课程名称：空间定位技术评分：_________ 专业：测绘工程年级： 2013 研究生姓名: * * * 学号：********** 任课教师姓名： * * * 注意事项 1．答题必须写清题号； 2．字迹要清楚，保持卷面清洁； 3．试题随试卷交回； 4．考试课按百分制评分，考查课按5级分制评分； 5．阅完卷后，一周内将试卷、试题、成绩单由任课教师签名后，送有关部门。
合成孔径雷达干涉测量（InSAR） 摘要：本文主要介绍了合成孔径雷达干涉测量技术的发展简史、基本原理、及其3种基本模式，并且对其数据处理的基本步骤进行了概述。最后，还讲述合成孔径雷达干涉测量的主要应用，并对其未来发展进行了展望。 关键字：合成孔径雷达，合成孔径雷达干涉测量，微波遥感，影像 1.发展简史 合成孔径雷达（Synthetic Aperture Radar，SAR）是一种高分辨率的二维成像雷达。它作为一种全新的对地观测技术，近20年来获得了巨大的发展，现已逐渐成为一种不可缺少的遥感手段。与传统的可见光、红外遥感技术相比，SAR 具有许多优越性，它属于微波遥感的范畴，可以穿透云层，甚至在一定程度上穿透雨区，而且具有不依赖于太阳作为照射源的特点，,具有全天候、全天时的观测能力，这是其它任何遥感手段所不能比拟的。微波遥感还能在一定程度上穿透植被，可以提供可见光、红外遥感所得不到的某些新信息。随着SAR 遥感技术的不断发展与完善，已经成功应用于地质、水文、海洋、测绘、环境监测、农业、林业、气象、军事等领域。 L. C. Graham 于1974 年最先提出了合成孔径雷达干涉测量（InSAR ）三维成像的概念，并用于金星测量和月球观察。后来Zebker、G. Fornaro及A. Pepe等做出了进一步的研究，以解决InSAR 处理系统中有关基线估计、SAR 图像配准、相位解缠和DEM 生成等方面的问题。自1991 年7 月欧空局发射载有C 波段SAR 的卫星ERS- 1 以来，极大地促进了有关星载SAR 的InSAR 技术研究与应用。由于有了优质易得的InSAR 数据源，大批欧洲研究者加入到这个领域，亚洲（主要是日本）的一些研究者也开展了这方面的研究。日本于1992 年2 月发射了JERS- 1，加拿大于1995 年初发射了RADARSAT，特别是1995 年ERS- 2 发射后，ERS- 1 和ERS- 2 的串联运行极大地扩展了利用星载SAR 干涉的机会，为InSAR 技术的研究提供了数据保证。目前用于InSAR 技术研究的数据来源主要有:ERS- 1/2、SIR- C/X SAR、RADARSAT、JERS- 1、TOPSAR 和SEASAT 等。 1979年9月，我国自行研制的第一台合成孔径雷达原理样机在实验室完成，并在试飞中获得我国第一批SAR 影像。1989年起国家科委设立了“合成孔径雷达遥感应用实验研究项目”，拉开了大规模雷达遥感研究的帷幕。目前国内外许多部门和科研机构正积极从事着InSAR 技术机理及其应用的研究，已经取得了许多成果，InSAR 技术的前景日益看好。
湘潭大学 本科生专业文献综述 题目: 数据挖掘文献综述 姓名: 林勇 学院: 信心工程学院学院 专业: 自动化 班级: 一班 学号: 2010550113 指导教师: 张莹
0前言 随着计算机技术的迅猛发展，人类正在步入信息社会。面对今天浩如烟海的信息，如何帮助人们有效地收集和选择所感兴趣的信息，更关键的是如何帮助用户在日益增多的信息中自动发现新的概念并自动分析它们之间的关系，使之能够真正地做到信息处理的自动化，这已成为信息技术领域的热点问题。数据挖掘就是为满足这种要求而产生并迅速发展起来的，可用于开发信息资源的一种新的数据处理技术。 1什么是数据挖掘 数据挖掘(Data Mining)，也叫数据开采，数据采掘等，是按照既定的业务目标从海量数据中提取出潜在、有效并能被人理解的模式的高级处理过程。在较浅的层次上，它利用现有数据库管理系统的查询、检索及报表功能，与多维分析、统计分析方法相结合，进行联机分析处理，从而得出可供决策参考的统计分析数据。在深层次上，则从数据库中发现前所未有的、隐含的知识。OLAF'的出现早于数据挖掘，它们都是从数据库中抽取有用信息的方法，就决策支持的需要而言两者是相辅相成的。OLAP可以看作一种广义的数据挖掘方法，它旨在简化和支持联机分析，而数据挖掘的目的是便这一过程尽可能自动化。数据挖掘基于的数据库类型主要有：关系型数据库、面向对象数据库、事务数据库、演绎数据库、时态数据库、多媒体数据库、主动数据库、空间数据库、遗留数据库、异质数据库、文本型、Internet信息库以及新兴的数据仓库(Data Warehouse)等。而挖掘后获得的知识包括关联规则、特征规则、区分规则、分类规则、总结规则、偏差规则、聚类规则、模式分析及趋势分析等。 1.1 数据挖掘的任务 数据挖掘的两个高层目标是预测和描述。前者指用一些变量或数据库的若干已知字段预测其它感兴趣的变量或字段的未知的或未来的值；后者指找到描述数据的可理解模式。根据发现知识的不同，我们可以将数据挖掘任务归纳为以下几类： (1)特征规则。从与学习任务相关的一组数据中提取出关于这些数据的特征式，这些特征式表达了该数据集的总体特征．例如可以从某种疾病的症状中提取
1．6G技术背景及意义 用户通信需求提升和通信技术革新是移动通信系统演进的源动力。为了满足“动中通”的业务需求，第一代移动通信系统实现了“移动”能力与“通信”能力的结合，成为移动通信系统从无到有的里程碑，并拉开了移动通信系统的演进序幕。伴随着数字技术的成熟，第二代移动通信系统完成了从模拟体制向数字体制的全面过渡，并开始扩展支持的业务维度。在日益丰富的业务需求驱动下，第三代移动通信系统采用了全新的码分多址接入方式，完善了对移动多媒体业务的支持至此，高数据速率和大带宽支持成为移动通信系统演进的重要指标。以多入多出和正交频分多址接入为核心技术的第四代移动通信系统不仅获取了频谱效率和支撑带宽能力的进一步提升，还成为了移动互联网的基础支撑。在4G获得巨大商业成功的同时，第五代移动通信系统(5G)逐渐渗透到垂直行业，把支持的传统增强移动宽带业务(eMBB)场景延拓至海量机器类通信(mMTC)场景和超高可靠低时延通信场景。基于大规模多入多出、毫米波(mmWave, millimeter wave)传输、多连接等技术，5G实现了峰值速率、用户体验数据速率、频谱效率、移动性管理、时延、连接密度、网络能效、区域业务容量性能的全方位提升。纵观上述的演进历程，满足用户的通信需求是每代系统演进的首要目标，而新的通信技术则是每代系统演进的驱动。 到目前为止，1G到5G的设计通过技术驱动，用户和网络的基本需求(如用户数据速率、时延、网络谱效、能效等)得到了一定的满足。但是受制于技术驱动能力，1G到5G的设计并未涉及更深层次的通信需求。在未来第六代移动通信系统(6G)中，网络与用户将被看作一个统一整体。用户的智能需求将被进一步挖掘和实现，并以此为基准进行技术规划与演进布局。5G的目标是满足大连接、高带宽和低时延场景下的通信需求。在5G演进后期，陆地、海洋和天空中存在巨大数量的互联自动化设备，数以亿计的传感器将遍布自然环境和生物体内。基于人工智能(AI, artificial intelligence)的各类系统部署于云平台、雾平台等边缘设备，并创造数量庞大的新应用。6G的早期阶段将是5G进行扩展和深入，以AI、边缘计算和物联网为基础，实现智能应用与网络的深度融合，实现虚拟现实、虚拟用户、智能网络等功能。进一步，在人工智能理论、新兴材料和集成天线相关技术的驱动下，6G的长期演进将产生新突破，甚至构建新世界。