基于超图模型的空间数据挖掘

在空间数据挖掘中,知识表现为空间数据的内在结构以及不同数据子集之间的关系。可视化技术充分利用了图形和图像的表达能力以及人对于色彩和空间的敏锐的感知能力,使人机有机地融合在一起。该文基于超图理论提出了超图模型并将其用于空间数据挖掘。超图模型将超图理论、对象技术和可视化技术融合在一起,可用于表达复杂数据的内在结构和相互之间的关系,也表示对象的不同属性以及对象之间的关联程度。     

基于地理空间数据的知识图谱构建技术研究

随着3S技术迅猛发展,地理空间数据呈现出爆发式增长趋势,基于地理空间数据构建知识图谱,实现数据到空间知识的转换成为亟待解决的科学问题。针对通用知识图谱仅以属性和语义关系表示空间知识,以及空间关系相对缺失等问题,该文首先描述了空间关系的表示方法;其次,提出了基于空间关系的知识图谱构建技术流程,重点研究空间关系抽取和表示以及多源地理空间数据融合的问题,实现了地理知识图谱构建;最后,论述知识图谱在地理空间领域的应用方向。该研究可以促进地理空间数据和语义网技术的整合,实现网络文本空间化、空间数据语义化,进一步提高智能化服务水平。     

地下水空间信息可视化分析技术研究

将虚拟现实与可视化空间分析技术应用于地下水科学管理工作可以弥补传统技术在分析研究、辅助决策中的不足,发现仍有空间数据模型、空间数据库、合适的虚拟现实方法以及高效的可视化空间分析算法等问题有待解决。结合实际研究与应用工作,探讨了地下水及其赋存地质体的空间数据建模与数据库存储技术,基于OpenGL图形库实现了地下水、地质体、相关地表信息、等水位线、地下水流向等的3维可视化,设计并实现了基于纵断面快速生成算法的可视化空间分析功能。以苏锡常地区为研究示范区,开发了"苏锡常地区地下水空间信息可视化虚拟分析系统"软件,在实际地下水科学管理工作中取得了明显效果。     

空间数据知识发现研究进展评述

首先对当前空间数据的复杂性特征进行了分析,提出海量的数据,空间属性之间的非线性关系,空间数据的尺度特征,空间信息的模糊性,空间维数的增高以及空间数据的缺值是当前空间数据复杂性的主要表现特征,并以其为线索将近年来在空间数据知识发现领域的研究进展及其热点进行了较为系统的归纳,在此基础上,对空间数据知识发现与GIS的关系进行了阐述,并对空间数据知识发现的未来发展趋势进行了展望。     

空间数据的表示方法研究

为了提高空间数据的表示和处理能力，对空间对象进行准确的描述是非常必要的。根据空间对象的四类内在属性，设计出了能够准确表达空间对象的空间语义规则。通过用空间本体表示空间数据和用空间分类法对空间数据进行分类，将以往的空间数据处理提升为知识发现，从而提高了空间信息查询的查准率。     

空间规则的可视化解释

随着地理信息系统(GIS)软件的成熟，其空间信息分析、处理和展示能力日趋完善。利用空间数据挖掘等空间信息分析抽取手段进行空间规则发现并对这些规则进行规范化与形式化描述进而利用GIS进行可视化展现已成为一种趋势。本文研完了空间关联规则、分布规则、分类规则的形式化描述，并且给出了这些规则的可视化解释过程。     

基于J2EE的空间数据挖掘系统设计与实现

在分析空间数据挖掘特点的基础上，充分集成空间数据仓库技术、空间数据挖掘技术以及空间信息表达等技术，设计了一个基于J2EE的空间数据挖掘原型。重点介绍该原型系统的功能框架与体系结构、空间关联规则挖掘模块、挖掘结果的可视化表达模块的设计和实现办法。最后给出系统以某市土地利用现状数据集为例的空间关联规则挖掘结果界面。结果表明该系统可较好地满足可靠性、扩展性、可用性等业务需要。     

教育大数据可视化研究综述

教育大数据可视化分析对于复杂教育规律的理解与挖掘具有重要作用,已成为当前教育信息科学研究领域的重要课题。首先归纳了教育大数据的典型特征,从促进学生元认知发展、辅助教师监督学习过程及提升管理者科学决策水平三个角度介绍了教育大数据应用的最新研究成果,并简述了利用教育大数据实施可视化分析的基本流程。然后重点对文本数据可视化、多维数据可视化、网络数据可视化、时间序列数据可视化以及地理空间数据可视化等五种主流的教育大数据可视化呈现方法进行特征描述,并给出具体的应用场景。随后介绍了动态查询与过滤技术、可缩放/变形界面技术和多视图联动技术三个实施教育大数据可视化的关键交互技术方法。最后依据最新研究动态,从多模态教育数据融合、人机交互、人机协同范式以及教育数据可视化设计的标准规范和评价体系四方面对教育大数据可视化未来研究方向进行了展望。     

空间数据采掘的研究与发展

数据采掘的研究已从关系型和事务型数据库扩展到空间数据库。空间数据采掘是一个很有发展的领域,它是在大量空间数据中进行知识发现的技术。文中总结了空间数据采掘领域中的研究成果,概括出空间数据采掘的体系结构、查询语言及相关方法,并探讨了目前存在的问题和发展方向。     

空间Cube计算方法

随着卫星勘测、遥感影像、GPS等系统的广泛应用,目前各行各业拥有了大量的地理空间数据。空间数据仓库技术将较为成熟的数据仓库和联机分析处理技术应用到空间信息领域,以有效地支持空间分析和决策。空间Cube的构建与维护是空间数据仓库和空间联机分析处理的一个核心问题。文章在介绍空间数据仓库模型和空间Cube的基础上,结合空间聚集计算的特点,给出了几种空间Cube计算的有效方法。     

城市出租车乘客出行特征可视化分析方法

可视化技术通过图形表现数据的内在规律，并可利用交互的形式实现数据的层次化展示，其在分析交通数据、发现交通问题以及辅助决策中扮演着越来越重要的角色。为了更加清晰、直观地展示城市出租车GPS轨迹数据传递的信息，解决因其数据量庞大和时空信息复杂而带来的分析难题，提出一种集成聚集可视化、特征可视化对出租车GPS轨迹数据进行可视化分析的方法。首先，通过数据处理得到可用于可视化的特征数据，而后对乘客上下车点进行聚集可视化，并利用多视图协同交互的方法对轨迹数据进行了特征可视化；最后，根据可视化结果对城市出租车乘客出行特征时空分布情况进行了分析。在此基础上，设计了一个交互式可视分析系统，并通过真实数据集案例验证了系统的有效性。     

RETRACTED ARTICLE: Chinese regional economic cooperative development model based on network analysis and multimedia data visualization

Since the reform and opening up, China’s economic development has been accelerating. In the current world economic system, China occupies a very important position. However, there is a phenomenon of uneven economic growth among different regions, namely, there are large differences in economic growth rates and economic development levels between different provinces and cities. In recent years, a large number of studies have shown that China’s regional economic growth has obvious spatial correlation. In this paper, we adopt the method of network analysis to study and explain the spatial correlation of regional economic growth. Multimedia mining is a combination of data mining technology and multimedia technology. It is a cross-disciplinary field of knowledge discovery, data mining, artificial intelligence, machine learning, database technology, and multimedia technology. Therefore, data visualization technology can be used to study the coordinated development model of regional economy. Multimedia data visualization is an evolving concept whose boundaries are constantly expanding, mainly referring to technologically advanced technical methods that allow the use of graphics, image processing, computer vision, and user interfaces. Visualize data by expressing, modeling, and displaying stereo, surface, attributes, and animations. Compared with special technical methods such as stereo modeling, the technical methods covered by data visualization are much broader. The simulation results prove that the propose model can obtain the better overall perforamcne.

     

基于互联网的市场行情可视化信息系统

提出了基于Internet的空间数据和非空间数据分布存储的空间数据仓库模型，并将其与数据挖掘技术相结合，开发了基于Internet的农产品市场行情时空演变可视化信息系统。该系统由来自Web网页的数据源、驻留Web数据自动抓取工具和非空间数据库的服务器以及驻留空间数据库、具有可视化展示和空间数据挖掘功能的客户机组成。为提高系统客户机的运行效率，系统采用了多种策略，如分布存储策略、瘦客户机策略、模糊匹配以及批处理策略等。系统具有界面友好、操作简便、可视化程度高等优点。     

空间数据挖掘发展研究

空间数据挖掘是指对空间数据库中非显式存在的知识、空间关系或其它有意义的模式等的提取,在地理信息系统、地理市场、遥感、图像数据勘测、医学图像处理、导航、交通控制、环境研究等各种领域有着广泛的应用。该文从空间数据挖掘的定义、过程、特征和任务等方面对空间数据挖掘技术进行了研究,并介绍了一个空间数据挖掘原型—GeoMiner和未来的研究方向。     

SEE: a Spatial Exploration Environment based on adirect-manipulation paradigm

The need to provide effective tools for analyzing and querying spatial data is becoming increasingly important with the explosion of data in applications such as geographic information systems, image databases, CAD, and remote sensing. The SEE (Spatial Exploration Environment) is the first effort at applying direct-manipulation visual information seeking (VIS) techniques to spatial data analysis by visually querying as well as browsing spatial data and reviewing the visual results for trend analysis. The SEE system incorporates a visual query language (SVIQUEL) that allows users to specify the relative spatial position (both topology and direction) between objects using direct manipulation. The quantitative SVIQVEL sliders (S-sliders) are complemented by the qualitative active-picture-for-querying (APIQ) interface that allows the user to specify qualitative relative position queries. APIQ provides qualitative visual representations of the quantitative query specified by the S-sliders. This increases the utility of the system for spatial browsing and spatial trend discovery with no particular query in mind. The SVIQUEL queries are processed using a k-Bucket index structure specifically tuned for incremental processing of the multidimensional range queries that represent the class of queries that can be expressed by SVIQUEL. We have also designed a tightly integrated map visualization that helps to preserve the spatial context and a bar visualization that provides a qualitative abstraction of aggregates     

Feature fusion for basic behavior unit segmentation from video sequences

It has become increasingly popular to study animal behaviors with the assistance of video recordings. An automated video processing and behavior analysis system is desired to replace the traditional manual annotation. We propose a framework for automatic video based behavior analysis systems, which consists of four major modules: behavior modeling, feature extraction from video sequences, basic behavior unit (BBU) discovery and complex behavior recognition. BBU discovery is performed based on features extracted from video sequences, hence the fusion of multiple dimensional features is very important. In this paper, we explore the application of feature fusion techniques to BBU discovery with one and multiple cameras. We applied the vector fusion (SBP) method, a multi-variate vector visualization technique, in fusing the features obtained from a single camera. This technique reduces the multiple dimensional data into two dimensional (SBP) space, and the spatial and temporal analysis in SBP space can help discover the underlying data groups. Then we present a simple feature fusion technique for BBU discovery from multiple cameras with the affinity graph method. Finally, we present encouraging results on a physical system and a synthetic mouse-in-a-cage scenario from one, two, and three cameras. The feature fusion methods in this paper are simple yet effective.     

空间数据库的聚类方法

1 引言近年来,数据库的数量和单个数据库的容量都大大增长了。比如,空间物体数据库包括几十亿个望远镜图像,NASA地球观测系统每小时都会产生50GB的数据。这么大的数据量已经远远超出了人为分析解释的能力范围。数据库中的知识发现(KDD)是识别数据中有价值的、新的、潜在有用的、可理解的模式的一     

数据聚类中基于浓度噪音消除的可视化参数选择方法

可视化技术的发展极大地提高了传统数据挖掘技术的效率.通过结合人类识别模式的能力,计算机程序能够更有效的发现隐藏在数据中的规律和信息.作为聚类分析的重要步骤,噪音消除一直都是困绕数据挖掘研究者的问题,尤其对于不同领域的应用,由于噪音的模型和定义不同,单一的数据处理方法无法有效而准确地去除域相关的噪音.本文针对这一问题,提出了一个新型的可视化噪音处理方法CLEAN.CLEAN的独特之处在于它设计的噪音处理技术和提出的可视化方法有机地结合在一起.噪音处理算法为可视化模型生成所需数据,同时针对噪音处理算法选择可视化方法,从而达到提高整个数据处理系统性能的目的.这样不仅降低了噪音去除过程中主观因素的影响,还可以帮助数据挖掘程序去除领域相关的噪音.同时源数据的质量,算法参数的选择和不同噪音去除算法的精确性都可以在所使用的可视化模型中反映出来.实验表明CLEAN能够有效地帮助空间数据聚类算法在噪音环境下发现数据的自然聚类.