顾及地理要素变化过程的数据增量更新方法

为解决空间矢量数据更新前后数据之间的关联关系识别困难的问题,在基于要素更新的基础上,引入了变化过程库,提出了一种顾及要素变化过程的更新方法,对由更新引起的要素变化信息进行识别并存储,设计了变化信息库的数据结构并对要素变化信息的应用作了说明,并以某市地形图数据在数据更新系统中做了试验来验证所提出的方法。试验结果表明,改进后的更新方法更利于历史数据的回朔及地物生命周期的跟踪。     

基于竣工测量数据的基础地理信息数据库增量更新技术研究

本文基于笔者多年从事城市竣工测量的相关工作经验,以城市竣工测量数据在城市基础地理信息数据库增量更新中的应用为研究对象,论文分析了竣工测量作为城市大比例尺地形图更新途径的理论基础,进而结合笔者实践给出了具体的更新方法,全文是笔者长期工作实践基础上的理论升华,相信对从事相关工作的同行能有所裨益。     

面向空间数据主动更新的地理事件模型研究

为提高空间数据更新的自动化水平,提出“地理事件-条件-操作”规则驱动下的空间数据主动更新机制, 主动更新的关键是对地理要素时空变化过程进行完整有效地建模和表达。以地理事件作为描述地理要素动态变化和动态处理的概念实体,在概念模型和谓词表达式的基础上重点研究了面向空间数据主动更新的地理事件模型,设计了地理事件模型的数据库逻辑表达框架和事件的检测与存储流程。居民地和道路建模实例表明该模型可有效描述更新过程中实体的动态时空语义,同时兼具历史回溯功能。最后, 给出主动更新的应用实例, 结果表明该机制可以提高更新的效率。     

基于MOGIS的导航地图增量更新

随着社会的发展,GPS导航已经得到了广泛的应用.人们对导航的要求也越来越高,其中导航电子地图的现势性已成为衡量导航优劣的重要标准之一.传统的版本式更新已不能满足需求,增量更新方法应运而生.对增量更新的方法进行·了研究,建立地图要素全局标识体系——MOGIS,并采用SIMG的格网划分方法,利用数据差分技术实现了导航电子地图的增量更新.     

基于动态字典的增量更新算法

为减少软件更新中增量包的大小,提出了基于动态字典的增量更新算法DICDIFF。该算法使用后缀排序方法预处理新老版本文件,将预处理的结果以后缀数组和名次数组的形式存储为字典目录,基于该字典目录能够快速查找字典数据集与待编码数据之间的相同数据段。随着编码进度的推进,动态扩展字典数据集能够使用更多已知数据段用于构造待编码数据。通过选取多款软件的新旧版本作为实验样本,DICDIFF在平均情况下能够节省68.9%的网络流量,高于现有其他增量更新算法。实验结果表明,该算法能够进一步减少增量更新过程中的网络流量。     

基于MapReduce的关联规则并行增量更新算法

针对在关联规则的实际挖掘中,由数据快速增加所造成的大数据问题和增量更新问题?在快速更新频繁模式树算法(fast updated frequent pattern tree,FUFP - tree)的基础上,引入MapReduce 编程模型,提出了一个面向大数据的并行的关联规则增量更新算法(parallel fast updated frequent pattern tree,PFUFP - tree)?该算法通过构建原始事务数据的分块索引,从而使得在每次增量更新时,能够最小化地扫描原始事务数据库,提高了挖掘效率;同时采用动态负载均衡的项目分组策略来优化并行计算过程中的项集分组问题,从而保证分布式集群中节点之间的负载均衡;实验结果证明,提出 的算法是有效的和高效的,适用于动态增长的大数据环境?     

基于限制容差关系的粗糙集模型中近似集增量更新方法研究

基于限制容差关系的粗糙集模型可有效处理不完备信息系统, 目前对其研究仅限于静态数据.而在许多情况下数据是动态变化.因此, 研究基于限制容差关系的粗糙集模型下动态知识更新方法具有现实意义.本文给出了属性集变化时不完备信息系统在限制容差关系下近似集的增量更新方法.通过实例验证了方法的有效性, 可用来支持知识动态更新.     

GECA规则驱动下的地理空间数据主动更新

为了提高地理空间数据更新的自动化水平,将ECA规则和主动数据库的理念和技术引入数据更新。对各种地理事件的定义与描述做了重点研究,建立了地理事件逻辑表达模型。对更新条件与更新操作进行分类与描述,提出了GECA(Geo-Event-Condition-Action)规则驱动下的地理空间数据主动更新的执行模型。结果表明:该方法可以提高空间数据更新的自动化水平。     

基于Can树的关联规则增量更新算法改进

如何从动态数据中挖掘关联规则是目前知识发现中的一个研究热点。Can树是基于CATS树改进后提出的解决关联规则增量挖掘的一种有效算法,它要求事务中的每个项按照某种特定顺序进行排序后再构建Can树,其顺序一般采用字典序、字母序等。然而,Can树所使用的排序方法有可能使得Can树的规模过大,从而使得算法效率较低。针对该问题,在现有Can树挖掘算法的基础上,使用数据量排序替代现有排序方法,提出了一种基于数据量排序的Can树,并基于新的Can树对原有Can树的建树和挖掘方法进行优化。该方法可以有效减小Can树的规模,实现频繁项集挖掘在空间效率和时间效率上的优化。实验结果表明,该方法在空间效率和时间效率上好于现有的Can树算法,同时具有较好的稳定性。     

导航电子地图数据的增量更新探究

随着车载导航技术应用的推广与深入,用户对导航电子地图数据的现势性和准确性也提出了更高的要求。而目前导航数据的更新速度远远落后于日新月异的导航点规划和道路建设,这已经成为制约导航数据更新的瓶颈。鉴于此,人们提出了导航数据的增量更新方式,本文就此方式出发,对增量更新的流程,尤其更新过程中对增量数据的变化检测及拓扑维护进行详尽的阐述,以期提高电子地图的更新与利用效率。     

三维地理场景下基于地质特征的数字露头空间检索方法

数字露头技术已成功应用于地质研究,海量的地质露头模型与资料管理成为了技术难题。传统的信息管理方式,如文件夹管理、信息系统管理等,都无法直接获取露头的空间位置,也无法从空间位置直接检索到露头。针对这个问题,运用SuperMap灵活的空间检索功能,提出了一种在三维地理场景下基于地质特征的数字露头空间检索方法,将野外勘测获得的照片、扫描所建立的三维模型、文字信息记录、位置等多种类型的资料纳入到空间数据库中,结合数字高程模型和遥感影像搭建三维地理场景来模拟现实地形地貌,实现从空间定位、地层地质、构造地质、岩相古地理、含油气盆地、岩性等空间与属性综合的露头信息检索管理。并运用SuperMap iObjects.NET 10i和C#.NET技术,在三维地理场景下实现基于地质特征的数字露头空间检索方法,搭建数字露头空间检索引擎平台,且对比传统信息管理方式,综合评价其更占优。     

类型感知的汉越跨语言事件检测方法

针对汉越跨语言事件检测缺少平行语料,越南语标注困难,需要统一跨语言语义空间,且触发词存在较大的歧义和局限性等问题,提出基于事件类型感知的汉越跨语言事件检测方法。构造类型感知的注意力机制突显事件特征,融入汉越的词位置、词性和命名实体信息,并通过梯度反转(gradient reversal layer, GRL),实现有标注汉语和无标注越南语之间的对抗训练,将从大量汉语新闻文本中学到的语言无关的事件类型特征融入到联合特征提取器中,进行汉越跨语言的无触发词事件检测,缓解越南语的数据稀缺和触发词的局限性。实验中提出的方法较最好的基线模型在准确率上提升了4.32%。     

基于地理信息的分簇式路由协议

针对节点的地理信息,在GAF的网格结构以及GAF-h的蜂窝结构的基础上,分别提出了基于网格结构和基于蜂窝结构的分簇式路由协议.周期性的轮换活动子格或者活动网格,并按照一定的分簇算法选举出簇头节点;利用簇头节点的位置信息和能量信息综合得出转发代价.仿真结果表明,相比GAF和GAF-h,基于网格结构和基于蜂高结构的分簇式路由协议都极大的延长了无线传感嚣网络的生存时间.     

基于MapX的校园地理信息系统

传统校园管理信息系统的空间数据和属性数据缺乏紧密联系和统一管理,不能满足学校信息化建设和管理的需要.在分析校园地理信息系统模型、功能和特点的基础上,在Visual Basic开发环境下,借助于MapInfo MapX组件,设计了能有效管理校园空间数据和属性数据的校园地理信息系统,并以南京工业大学江浦校区为例,进行试验性开发,实现了地图控制、多媒体数据管理和地图查询等主要功能.     

基于HHMM的多线索融合和事件推理方法

为了解决基于内容检索技术中低层特征与高层语义之间存在语义间隔问题提出了基于多层次线索与事件的分层模型,以及相应的基于分层隐Markov模型(HHMM)的多线索融合和事件推理方法。其中线索是对事件进行推理的要素,它是低层特征与事件之间的中间层次。在将视频流分割为镜头后,从各个镜头中抽取若干与事件密切相关的线索,构造并训练各事件的HMM模型,用于融合线索和进行事件推理。由于输入视频通常包含多个事件,不可避免会遇到时域分割问题,因此构造一个HHMM模型用于同时进行视频流的合理分割和事件的识别。对足球视频的大量实验结果表明,该方法可有效地检测足球视频事件,并在抽取的线索不完全可靠的情况下具有一定的鲁棒性。     

基于GMk编码的地理信息共享研究

地理信息共享是近年来GIS领域的一个应用研究热点.OGC制定的GML为地理信息共享提供了新的思路.设计了基于GML编码的空间信息共享的模型,探讨了空间信息向GML数据的转换,最后验证了地理信息共享模型的可行性.     

基于GML编码的地理信息共享研究

地理信息共享是近年来GIS领域的一个应用研究热点,OGC制定的GML为地理信息共享提供了新的思路,设计了基于GML编码的空间信息共享的模型,探讨了空间信息向GML数据的转换。最后验证了地理信息共享模型的可行性。     

基于序列标注的事件联合抽取方法

事件抽取是自然语言处理领域的重要研究方向。传统的事件类型抽取系统采用分类方式,无法解决跨句子的事件角色和事件类型匹配问题。为了解决该问题,提出一种基于序列标注的事件联合抽取模型,结合卷积神经网络(convolutional neural networks, CNN)与长短期记忆网络(long short-term memory, LSTM)提取全局特征和局部特征;并在浅层LSTM层共享参数实现联合抽取,以序列标注方式抽取事件论元并匹配事件类型。实验结果表明,模型能有效提取司法领域的文档事件信息。     

基于核心依存图的新闻事件抽取

基于核心依存图(kernel dependency graph,KDG)的事件抽取主要通过语义结构进行匹配。在已构建的越-英-汉南海新闻框架网络基础上,主要对KDG语义分析模式、基于核心依存图的新闻事件抽取分析以及核心依存图生成和新闻事件信息抽取进行研究。研究重点包括典型KDG、零形式框架元素和框架元素融合等特殊KDG的分析模式,面向事件信息抽取的KDG的表示模式和标注例句自动生成KDG的过程。研究结果表明,基于KDG的事件信息抽取方法直观明了、语言学理据充分,具有一定的可行性,对新闻文本中的语义线索发现较为适合。目前已经可以从已完成框架语义标注的例句中自动生成KDG并抽取出相应的事件模型。