一种多时相遥感影像存储管理的新方法

针对海量遥感影像时间分辨率不断提高,多时相遥感影像存储空间耗费大、查询效率低的问题,提出一种针对多时相遥感影像数据存储管理的模型和方法。首先确定多时相遥感影像的基态影像,然后运用变化检测技术计算出不同时相间影像的差异,将差异变化值大于设定阈值的遥感影像区域进行存储,并用于对基态影像的修正。实验证明,运用该方法管理多时相遥感影像时,可有效节省存储空间。     

基于非均匀划分的分布式影像数据索引方法

本文介绍了现有的对影像数据管理和索引的方法及其存在的不足，提出了一种基于非均匀划分思想对分布式影像数据进行管理和索引的方法，避免了由于边缘补零带来的时间和空间开销。实验结果表明，本文方法能够支持对分布式多图幅的联合查询以及结果的无缝拼接，而且其时间和空间代价远小于现有方法。     

面向地理数据服务的空间数据集成关键技术研究

分析和比较了现有空间数据集成方法，指出面向地理数据服务的空间数据集成是目前构建空间数据集成系统最理想的方式；从查询应用的角度分析了面向地理数据服务的空间数据集成关键技术，总结了已有的研究成果，指出了空间数据集成技术当前研究的热点问题和进一步的研究方向。     

一种视口相关的空间数据多尺度检索方法

合理高效的数据对象选择策略是提高分布式空间数据检索效率的重要因素之一。基于人眼视觉特性，综合考虑了视口尺度对分布式空间数据检索的影响，提出了一种视口尺度相关的分布式空问数据检索方法，将视口尺度集成到分布式空问数据对象选择算法中，能根据视口尺度自适应地调整分布式空间数据对象的选择策略。实验结果表明，谈方法在小视口尺度检索时能显著降低处理和传输的数据量，以较小代价快速得到查询结果的近似解。     

空间查询和路径搜索的集成处理策略

在数据库研究中,路径搜索和空间查询处理被认为是两个互不相关的领域,然而在处理具有空间约束的路径查询时,需要数据库系统提供路径计算和空间查询处理两方面的功能.为了处理路径计算中的空间约束,考虑了两类处理策略:(1) 空间运算是否在路径计算之前预处理;(2) 空间对象是否在路径计算之前预选取.基于这两类策略,应用现有的空间连接、R-树空间搜索和空间对象聚类技术,提出4种集成的空间路径查询处理方法.     

在VB5中运用多线程实现微机与GPS接收机间的通信

如何在ＶＢ５．０开发环境下,利用多线程技术实现微机与ＧＰＳ接收机之间直接通信的一种有效方法。     

用VC6.0开发OLE DB Provider的技术

随着信息化时代的不断深入,信息处理和信息共享变得越来越重要,数据访问技术对于信息系统也就显得尤为重要。现今处理日常业务必需的大量的非常重要的信息,是在传统的数据库之外。ＵＤＡ（ＵｎｉｖｅｒｓａｌｄａｔａＡｃｃｅｓｓ）提供了应用程序对各种信息源的数据存储的统一访问。通过ＵＤＡ对某种数据源进行访问时,必须提供相应的ＯＬＥＤＢＰｒｏｖｉｄｅｒ本文论述了ＯＬＥ ＤＢ的基本概念,并结合实例说明如何用ＶＣ６．０ 开发ＯＬＥＤＢＰｒｏｖｉｄｅｒ。     

集群上一种面向空间连接聚集的并行计算模型

单机运行环境难以满足海量空间数据的连接聚集操作对时空开销的需求,集群上的并行计算是高效处理海量空间数据的连接聚集操作的关键. Map-Reduce是云计算中一种应用于大规模集群进行大规模数据处理的分布式并行编程模型,分析发现,Map-Reduce并不直接支持以既高效又自然的方式来处理具有二次归约特征的并行空间连接聚集操作.因此,提出了一种并行计算模型——Map-Reduce-Combine（MRC）来有效地处理大规模空间数据的连接聚集操作.MRC在Map-Reduce 模型上增加一个Combine阶段,有效地合并分散在各个Reducer的部分聚集结果.针对并行任务划分中空间对象的单分配问题,提出了过滤优化算法,提高了MRC下处理空间连接聚集查询的效率.实验验证所提出的并行计算模型在处理空间连接聚集查询时具有良好的效率、有效性、可扩展性和简单性.     

MapReduce框架下基于R-树的k-近邻连接算法

针对大规模空间数据的高性能k-近邻连接查询处理,研究了MapReduce框架下基于R-树索引的k-近邻连接查询处理。首先利用无依赖并行和串行同步计算的形式化定义抽象了MapReduce并行编程模型,基于此并行计算模型抽象,分别提出了 R-树索引快速构建算法和基于 R-树的并行 k-近邻连接算法。在索引构建过程中,提出一种采样算法以快速确立空间划分函数,使得索引构建符合无依赖并行和串行同步计算抽象,在MapReduce框架下非常容易进行表达。在k-近邻连接查询过程中,基于构建的分布式R-树索引,引入k-近邻扩展框限定查询范围并进行数据划分,然后利用 R-树索引进行 k-近邻连接查询,提高了查询效率。从理论上分析了所提出算法的通信和计算代价。实验与分析结果表明,该算法在真实数据集的查询上具有良好的效率和可扩展性能,可以很好地支持大规模空间数据的k-近邻连接查询处理,具有良好的实用价值。