海战场时空数据建模

目前的海战场信息系统中数据表达是基于时刻的,以反映瞬时的战场信息为主,对历史信息、空间信息处理简单,难以满足复杂应用的需要.综合分析现有时空数据模型的基础上,立足于海战场数据特性,引入时空代数系统并加以扩展,建立了海战场时空数据表达模型.模型的支持下设计的原型系统实现了海战场时空数据存储、查询和时空关系运算的优化.     

基于张量的地学时空场数据组织与分析方法

随着对地观测技术的进步,海量地学时空场数据的积累对时空场数据的建模、检索与分析提出新的要求。基于张量结构构建多维时空场数据组织方法,建立了基于时空立方体模型的数据存储结构,并定义了相应的数据操作功能与数据接口,进而设计了时空场数据的分层索引机制及基于张量运算算子的地学时空场数据分析方法。基于卫星测高数据的系统验证结果表明:本模型可有效支撑多维时空场数据的表达、检索与分析,是对高维时空场数据分析与建模的有益探索。     

房产地理信息系统时空数据组织研究

首先对时态GIS的近十几年来的研究进展进行了回顾.然后通过对房产特征的分析,进行房产特征的分类,使之满足实际应用环境的需要.接着,提出了一种时空数据概念模型——基于Petri网的时空数据模型,同等的处理特征的状态和引起状态变化的变迁,不同与以往基于事件或基于状态（如快照等）的时空数据模型,该模型认为状态由变迁的改变,变迁由状态描述,两者互相依赖.通过该模型,将离散的状态和变迁连续化,状态和变迁的因果关系显式表达.最后,对房产GIS中的时空数据进行有机的组织,用现势库、工作库和历史库进行数据存储管理,实现时空分析即历史回溯、未来预测、变化趋势显示等等需求.     

一种改进的基于规则的时空拓扑一致性处理模型

通过对空产数据的拓扑一致性问题进行分析,提出了一种改进的基于规则的空间拓扑一致性维护模型,该模型通过定义拓扑规则和约束表达式进行拓扑一致性维护;作为进一步研究,采用版本化的技术将这种处理策略扩展到时空系统当中,以处理和维护时空系统中的时空拓扑一致性,这种基于规则的拓扑关系管理机制,有利于用户在局部检查拓扑关系以提高数据分析和处理的效率。     

城市群建设与管理的时空大数据体系框架构建研究

城市群时空大数据具有跨时空与跨行政区域的动态性与实时性特征,传统的样本数据建设方式给数据存储管理、整合集成、挖掘分析与知识发现等技术环节带来挑战。本研究面向城市群建设与管理对空间信息集成应用服务的重要需求,基于应用主题领域触发的事件模型和关联要素的特征研究,以城市群空间格局与功能定位、区域规划与监测评价、城乡统筹发展、产业协同发展4个应用主题为例,设计了基于要素-事件-主题的时空大数据体系框架,并对“产业用地利用效率评估”事件模型驱动的要素设计、数据组织和算法实现进行了探索。本研究提出的时空大数据体系框架设计思路,使得时空信息互联互通和模型驱动的自适应数据调用成为可能,有助于推动要素类时空大数据在城市群建设与管理工作中的集成应用。     

基于时空快照数据库的时间序列预测

时空数据库是在空间数据库的基础上引入了时间维,时空数据模型和时空变化分析是GIS领域当前研究热点之一。提出一种在时空快照数据中预测时间序列发展和关联规则发现的方法。首先采用基态修正模型表达时空数据,从中提取出时空快照序列,将时空快照序列聚类为几个簇,再在簇内挖掘关联规则。将该方法应用于实验数据,结果证明这种方法能够有效地从时空快照数据中发现时空序列的发展趋势。     

基于时空分析的社会治安防控优化路径

时空分析作为一种基于大数据和数学算法的多维分析方法,在网络化和信息化背景下对于发展社会治安防控体系及预测治安风险具有推动和优化作用。本文通过梳理国内外时空分析的理论研究发展历程和实践应用成果,发现当前时空分析在国内社会治安防控中的制约因素主要有时空数据采集不精、数据资源融合不畅、数据分析深度不足等问题。为了改善现状,应通过构建标准化数据立方、开发高端智能化应用及构建人才训练和保障体系等方式来让时空分析更好地在社会治安防控中发挥作用,从而建设更智能化、科学化的社会治安防控体系。     

时空编码技术在Web3.0数字金融中的应用研究

以青岛市城市信息模型(Q-CIM)为基础,分析了基于时间和空间数据的新一代编码技术——时空编码技术的特征,结合Web3.0开放性和可能的发展方向,从架构、身份管理、信息管理等方面论证时空编码技术成为Web3.0的重要支撑技术的合理性,并利用时空编码的唯一性和确定性特征,结合区块链、大数据等现有技术手段,探讨将时空编码技术应用在Web3.0数字金融流量分发与反欺诈、智能化风险控制、数字金融风控等方面的可能性。     

用于运动趋势预测的灰色时空数据模型

时空数据库是现代数据库技术研究的新领域，其研究工作还处在模型研究阶段，已有的模型面向对象的过去信息，缺乏对时空对象将来运动趋势的计算与预测能力。为此，提出了一种新的时空数据模型，该模型不仅可以用于分析处理时空对象过去时刻的运动情况，还可以以较高的精度对近期将来的时空演化进行预测。该模型针对2维平面上自由运动的移动点对象，引入灰建模方法来降低离散抽样数据本身包含的不确定性，能够给出对象在一定时间上的整体运动趋势，从而提供更加精确的时空预测。     

基于knnVAR模型的地理传感数据预测

地理传感数据的预测在经济、工程、自然科学和社会科学中被广泛应用。数据中不同站点的空间相关性和同一站点的时间相关性给传统的预测方法带来了极大的挑战。文中提出了一种将数据中时间信息和空间信息有效融合,同时考虑了各传感序列独特性的knnVAR模型,来对地理传感数据进行预测。该模型通过计算时空距离 量化 数据中的时间信息和空间信息,并基于时空距离寻找K近邻,最后再将近邻结果应用于向量自回归模型中完成预测。 knn-VAR模型采用寻找时空近邻的方式将数据中时间维度和空间维度的相关性进行有效融合,同时使用在时空上具有高度相关性的近邻对传感序列进行预测,充分考虑了各地理序列的独特性。实验结果表明,knnVAR模型能有效提高地理传感数据的预测精度。     

An intelligent decision-making system for flood monitoring from space

This paper presents the results of a feasibility study on intelligent image processing for flood monitoring on board satellites. The ability to detect temporal changes in images is one of the most important functions in intelligent image processing systems for hazard and disaster monitoring applications. An automatic change detection system is proposed, the purpose of which is to monitor particular areas on earth for flooding events and give warnings to the authorities accordingly. A novel solution to flood detection based on the combined use of optical multispectral imagery and global positioning system reflectometry data is introduced. A fuzzy inference engine is used in the decision-making process, which generates control signals to other subsystems on board the satellite.     

空间数据挖掘及其与智能系统的集成框架

空间数据挖掘是指从空间数据库中抽取隐含的知识、空间关系和非显式地存储在空间数据库 中有意义的特征或模式.它在遥感、地理信息系统、医疗影像、信息融合系统等领域具有广 阔的应用前景,因此日渐受到关注和重视.本文从知识发现、认知科学与智能系统交叉结合的 角度,提出了基于数据库和知识库双库协同机制的空间数据挖掘模型,并系统地介绍了从空间 数据库中可发现的知识类型及挖掘方法,然后提出了基于空间数据挖掘的新型智能系统总体 框架和系统开发基本原则,最后探讨了空间数据挖掘的发展方向.     

基于知识图谱的智能决策支持技术及应用研究

知识图谱是把复杂的领域知识通过数据挖掘、信息处理、知识计量和图形绘制而显示出来,解释知识领域的动态发展规律。知识图谱把所有不同种类的信息(heterogeneous information)连接在一起得到一个关系网络并从"关系"的角度去分析问题。知识图谱目前被广泛应用于智能搜索、智能问答等领域。提出了一种基于知识图谱的智能决策支持框架,用于解决传统决策支持系统存在的问题。通过大数据、知识图谱等海量知识分析和模型构建技术,结合决策支持系统,增强对问题的分解与处理、形成具有关系型网络的知识系统。最后结合电信领域中的经典决策案例,搭建基于知识图谱的欺诈电话智能决策支撑平台。和传统的决策支持系统比较,该研究方法的优点在于结合大数据处理方法提升了知识建模的算力和决策支持的效率,使实时处理大规模信息数据成为现实;基于知识图谱的关系型网络,提升了决策模型的准确性和关联相关性。     

遥感影像生理认知概念模型和方法体系

目前遥感地学理解和分析研究的前沿是以遥感地学分析模型为支持,运用统计分析、神经计算、知识处理模型、地学优化等技术,对遥感信息、地学知识的相互作用进行综合运用,建立集成地学知识、地理信息和遥感信息等处理分析模型的智能化遥感影像地学理解与分析系统。地学认知问题是遥感地学理解和分析的核心问题。以神经计算和进化计算为理论基础,探讨如何从模拟生理视觉的角度实现对遥感影像的地学认知,初步提出了融合地学知识的遥感影像生理认知模型及其方法体系。     

时态主题模型方法及应用研究综述

互联网技术的飞速发展使得数据的规模达到了空前的水平,人们从海量数据中获取有价值的信息变得越来越困难。主题模型是近年来计算机领域出现的一种新的概率模型,在自然语言处理、文本挖掘以及信息检索等领域都有很广泛的应用。基于主题模型的主题追踪技术和时态分析技术可以帮助人们从海量数据中快速找到感兴趣的内容,时态主题模型逐渐成为计算机科学领域的一个研究热点。首先,介绍主题模型以及时态主题模型的基本概念;然后,对各种时态主题模型进行分类,介绍了几种具有代表性的时态主题模型,分析比较了各种主题模型的优缺点;接着,分析了时态主题模型在社交媒体、学术文献和数据社区中的应用;最后,对时态主题模型未来的发展趋势进行了探讨。     

基于Landsat 8的全球精选遥感数据集汇聚方法

空间对地观测技术为地球系统科学研究提供了多时相、宽覆盖、立体化的遥感数据资源，使对地球系统行为的观测、理解、模拟及预测变为可能。然而，如何从海量数据资源中及时有效地获取信息也成为日渐凸显的问题。现有遥感数据服务系统的检索结果冗余度高，既无法直接满足用户多样化需求，也增加了高质量数据清洗成本。为此，基于2017年全球Landsat 8卫星元数据检索信息，建立由空间完整性、时间邻近性及云覆盖量3个专有指标组成的质量评价体系，设计满足最简化和定制化需求的精选遥感数据集汇聚方法。实验结果表明:该方法在不改变现有遥感数据服务系统的同时提高数据的检索效率和精度。     

智能化图象数据库系统的GBASE的模式设计

知识化图象数据库系统近年来引起了人们的研究兴趣,表现出了广泛的应用前景.本文 介绍一种知识化图象数据库管理系统GBASE的模式设计,它将传统的关系模式加以扩充,使 之能容许框架知识表达的抽象数据类型(ADTs),增强了关系数据库系统的语义描述能力,有 助于表达有关图象实体以及它们之间的空间关系等有关知识.利用ADT我们可以进行知识 引导下的数据库查询、图象实体空间关系的推理以及基于应用模型的辅助设计和规划.GBASE 系统是在VAX11/750机上在VMS操作系统下,以C语言完成的.它统一管理着多种类型 的信息,即关系数据、图形、图象数据、知识以及过程等,是一个综合的图象数据库管理系统. 目前正应用于林业资源的管理和规划.     

神经计算科学的展望

神经计算科学是从信息科学的角度来研究如何加速神经网络模仿和延伸 人脑的高级精神活动,如联想,记忆,推理,思维及意识等智能行为,这涉及到脑科学,认知科学,神经生物学,非线性科学,计算机科学,数学,物理学诸学科的综合集成,它是综合研究和实现类脑智能信息系统的一个新思想和新策略,本文仅重点论述神经智能信息处理,盲信号处理技术,演化认知与进化计算,混沌信息技术及软科学的开发,由此展望神经计算科学的未来发展及潜力,可带动诸学科及信息技术的美好发展。     

Capturing the dance of the earth: PolarGlobe: Real-time scientific visualization of vector field data to support climate science

This paper introduces a streamline visualization technique that empowers PolarGlobe, an interactive, virtual globe-based, multi-dimensional scientific visualization tool to facilitate the observation and visual inspection of changes in the climate in real time. Specifically, this technique achieves effective visualization of vector-based earth science data through an automated data processing pipeline which integrates novel strategies including random seeding, finer-granularity parallelization and real-time rendering. The random seeding strategy allows for a vivid visual effect and an interactive framerate regardless of the spatial resolution in the raw dataset. The visualization algorithm is designed to be naturally parallelizable by partitioning the rendering tasks of unsteady vector field into multiple subtasks such that high-performance rendering can be realized. The platform is capable of taking either irregular or regular gridded data as input, and through the proposed data (re)projection pipeline, an automatic transformation of spatially enabled scientific data from the original data projection to the 3D globe-based virtual space is achieved. A series of experiments was conducted to identify the best configuration of rendering parameters to achieve the optimal rendering performance and visual effect. The results demonstrated the scalability and capability of the proposed PolarGlobe system to visualize big and unsteady vector flow data across different spatial and temporal scales. PolarGlobe implements former Vice President Al Gore's vision of a digital earth that enables scientists and citizens across the world to interactively study our planet. We expect the methods and techniques presented in this work to contribute significantly to both the scientific visualization and climate science communities.     

Sketch recognition by fusion of temporal and image-based features

The increasing availability of pen-based hardware has recently resulted in a parallel growth in sketch-based user interfaces. Sketch-based user interfaces aim to combine the expressive power of free-hand sketching with the processing power of computers. Most sketch-based systems require intelligent ink processing capabilities, which makes the development of robust sketch recognition algorithms a primary concern in the field. So far, the research in sketch recognition has produced various independent approaches to recognition, each of which uses a particular kind of information (e.g., geometric and spatial constraints, image-based features, temporal stroke-ordering patterns). These methods were designed in isolation as stand-alone algorithms, and there has been little work treating various recognition methods as alternative sources of information that can be combined to increase sketch recognition accuracy. In this paper, we focus on two such methods and fuse an image-based method with a time-based method in an attempt to combine the knowledge of how objects look (image data) with the knowledge of how they are drawn (temporal data). In the course of combining spatial and temporal information, we also introduce a mathematically well founded fusion method for combining recognizers. Our combination method can be used for isolated sketch recognition as well as full diagram recognition. Our evaluation with two databases shows that fusing image-based and temporal features yields higher recognition rates. These results are the first to confirm the complementary nature of image-based and temporal recognition methods for full sketch recognition, which has long been suggested, but never supported by data.