VRML和WebGIS技术在旅游地理信息系统中的应用

本文提出了一种基于VRML和WebGIS技术设计旅游地理信息系统的方案,介绍了基于这种方案实现的韶关旅游地理信息系统。文中还提出了一种新的WebGIS数据组织与处理方法,该方法能够有效地解决GIS数据量大及数据处理复杂度高的问题。     

基于GML的WebGIS地理信息建模

文章分析了目前的地理信息系统的建模方法及其存在的问题,结合XML/GML技术,研究基于GML的地理信息的建模方法与实现技术。并以旅游地理信息系统为开发实例,给出了基于GML的泉州市旅游地理信息的建模方案和具体实现方法。     

基于ArcIMS的旅游地理信息系统设计与实现

万维网地理信息系统(WebGIS)技术的成熟发展及广泛应用为旅游信息化提供了很好的技术支持。在分析ArcIMS等WebGIS相关技术的基础上,设计了一个基于ArcIMS的旅游地理信息系统方案,并结合杭州市的旅游特点给出了应用实例。     

基于B/S结构的车辆监控系统的研究与设计

结合水利行业目前的现状，本文采用分布式移动地理信息系统的结构框架，对防汛指挥中的移动车辆监控提出了一种基于GSM网络作为无线通讯方式的方案，为实现移动GIS作为尝试。     

卫星成像规划调度系统中的可视化决策支持研究与实现

本文提出了一种成像卫星规划与调度的可视化决策支持方法。该方法基于多目标进化算法和地理信息系统技术,能够在考虑多目标准则、多约束的条件下对成像卫星的成像方案进行优化,并通过可视化技术进行成像方案的决策辅助,很好地解决了卫星规划调度优化方案制定的问题。     

基于B/S模式的营销WebGIS的设计与实现

地理信息系统与Intemet/Intranet结合形成的互联网地理信息系统（WebGIS）是目前GIS发展的重要方向。由于营销数据与地理信息关系紧密，提出了一种基于B／S模式的营销WebGIS的设计方案，并对系统的实现方法和关键技术进行了详细阐述。     

基于GIS的水流信息可视化表达

介绍了如何在地理信息系统中应用基于VB编程环境结合图形学算法以及单独使用MapObjects组件的2种方法实现水流信息可视化。并比较了两间的优缺点。通过分析，提出专业模型和GIS平台耦合集成的可视化模式是水流模拟的最佳方案。     

基于中间件技术实现OAS与GIS集成技术的研究

基于地理信息系统和办公自动化系统的有机集成，构建高效的“图文一体化”大型综合信息系统成为热点课题。该文通过研究当前较为流行的地理信息系统与办公自动化系统进行系统集成的两种模式，提出一种基于中间件的跨平台集成思想，分析了其优缺点，并给出一个实例。     

万维网地理信息系统的设计与实现

万维网地理信息系统（WebGis）是地理信息系统和万维网相结合的产物。文章 剖析WebGis的体系结构模型，提出了WebGis系统的整体开发方案，分析了WebGis的实现技术 ，并采用ASP组件技术，设计和实现了基于Browser/Server三层结构的WebGis。     

地图数字化的另一条思路

本文简述了地图数字化在地理信息系统中的重要性，并基于此提出了地图数字化的另一种思路和方法，旨在提高地图数字化阶段的数字化效率，并对其中部分图形算法作了分析。     

过程数据压缩技术综述

过程数据是一种丰富的信息资源,过程数据压缩的主要目的是为了节省过程数据的存储空间,便于过程数据的处理,减少过程数据舆的通信流量。本文给出了过程数据空的描述,详细介绍了过程数据压缩的一些常用算灶。例如,矩形波串法、后向斜率法、ＳＤＴ算法、ＰＬＯＴ算法及矢量量化方法等,并进一步旨出了过程数据压缩中的一睦实际问题。本文的工作为过程数据空的理论研究和实际应用提供了一定的基础。     

数据挖掘过程的多维视图

数据挖掘（DM）是非常具有挑战性的工作,数据挖掘过程是多个因素耦合的决策问题。讨论了当前流行的DM过程CRISPDM和SEMMA的不同之处及优缺点。从机器学习、统计和数据质量角度对挖掘有效性作了讨论,认为一个真正高效的过程应该面向算法,强调探索,以挖掘出高可靠性的具有商业价值的知识目标,并紧跟技术的发展。给出数据挖掘过程的多维视图,将算法分解为组件维、模型维和过程维等维度,以此提出新的DM过程的框架。     

基于SVG和Vue的数据过程可视化设计

针对传统数据过程系统无法动态地显示数据过程及对数据过程中的算子无法进行拖拽编辑的问题,本文提出基于SVG和Vue的数据过程可视化方案并给出实现过程.该方案基于SVG高扩展性及不依赖于分辨率和Vue数据双向绑定等优点,可以对数据过程进行拖拽式创建或者编辑,给用户带来动态的交互体验,并且该方案具有高扩展性,还能提高开发效率...     

过程数据挖掘及进展

工业过程已是一个海量的数据源,需要从中提取知识以支持过程优化。分析了工业过程数据的特点,将数据挖掘的思想引入生产过程优化中,提出了工业过程数据挖掘的概念,即是一个不依赖精确的数学模型,而自动或半自动地从工业过程数据中提取有用的知识,以支持过程变量预报、过程优化及过程故障诊断的特殊数据处理过程。总结了过程数据挖掘在过程变量预报、过程监视与优化及过程故障诊断中的研究进展,得出过程数据挖掘应在算法的设计、商业软件的开发及过程数据仓库与过程数据挖掘的集成三方面开展创新工作的结论。     

A SOM-based data mining strategy for adaptive modelling of an offset lithographic printing process

This paper is concerned with a SOM-based data mining strategy for adaptive modelling of a slowly varying process. The aim is to follow the process in a way that makes a representative up-to-date data set of a reasonable size available at any time. The technique developed allows analysis and filtering of redundant data, detection of the need to update the process models and the core-module of the system itself and creation of process models of adaptive, data-dependent complexity. Experimental investigations performed using data from a slowly varying offset lithographic printing process have shown that the tools developed can follow the process and make the necessary adaptations of the data set and the process models. A low-process modelling error has been obtained by employing data-dependent committees for modelling the process.     

基于SOA的流程与数据集成

在企业IT系统设计与开发过程中,流程建模、数据建模和构件开发之间缺乏有效关联,严重降低了软件系统开发的效率,增加了软件开发的复杂性.本文基于面向服务的体系结构(SOA),深入研究流程组合、构件开发和数据建模之间的关联关系,提出集成业务流程与数据模型的方法.该方法通过分析流程模型与数据模型所包含的数据之间的映射关系,并捕获流程中的数据访问流,构建出平台无关的流程数据关联模型,然后根据流程数据关联模型,自动生成合适粒度的数据访问构件,并利用数据访问流所包含的全局信息优化数据访问性能.     

Prozessgetriebenes Datenqualitätsmanagement durch Integration von Datenqualität in bestehende Prozessmodelle

The importance of high data quality and the need to consider data quality in the context of business processes are well acknowledged. Process modeling is mandatory for process-driven data quality management, which seeks to improve and sustain data quality by redesigning processes that create or modify data. A variety of process modeling languages exist, which organizations heterogeneously apply. The purpose of this article is to present a context-independent approach to integrate data quality into the variety of existing process models. The authors aim to improve communication of data quality issues across stakeholders while considering process model complexity. They build on a keyword-based literature review in 74 IS journals and three conferences, reviewing 1,555 articles from 1995 onwards. 26 articles, including 46 process models, were examined in detail. The literature review reveals the need for a context-independent and visible integration of data quality into process models. First, the authors derive the within-model integration, that is, enhancement of existing process models with data quality characteristics. Second, they derive the across-model integration, that is, integration of a data-quality-centric process model with existing process models. Since process models are mainly used for communicating processes, they consider the impact of integrating data quality and the application of patterns for complexity reduction on the models’ complexity metrics. There is need for further research on complexity metrics to improve applicability of complexity reduction patterns. Missing knowledge about interdependency between metrics and missing complexity metrics impede assessment and prediction of process model complexity and thus understandability. Finally, our context-independent approach can be used complementarily to data quality integration focusing on specific process modeling languages.     

基于集成学习的电力设备运行全流程数据共享方法

电力设备运行数据共享过程中存在数据安全系数过低问题,为此,本文引入集成学习技术,开展对电力设备运行全流程数据共享方法设计研究。通过构建电力设备运行全流程数据共享框架,根据集成学习提取电力设备运行全流程特征,通过半诚实模型和恶意模型实现电力设备运行全流程数据共享。通过实验证明,新的共享方法与区块链共享方法相比,能够有效扩大共享数据在电力设备运行全流程中的覆盖范围,并提高数据在共享时的安全性。     

ProcessAtlas: A scalable and extensible platform for business process analytics

In today's knowledge‐, service‐, and cloud‐based economy, an overwhelming amount of business‐related data are being generated at a fast rate daily from a wide range of sources. These data increasingly show all the typical properties of big data: wide physical distribution, diversity of formats, nonstandard data models, and independently managed and heterogeneous semantics. In this context, there is a need for new scalable and process‐aware services for querying, exploration, and analysis of process data in the enterprise because (1) process data analysis services should be capable of processing and querying large amount of data effectively and efficiently and, therefore, have to be able to scale well with the infrastructure's scale and (2) the querying services need to enable users to express their data analysis and querying needs using process‐aware abstractions rather than other lower‐level abstractions. In this paper, we introduce ProcessAtlas, ie, an extensible large‐scale process data querying and analysis platform for analyzing process data in the enterprise. The ProcessAtlas platform offers an extensible architecture by adopting a service‐based model so that new analytical services can be plugged into the platform. In ProcessAtlas, we present a domain‐specific model for representing process knowledge, ie, process‐level entities, abstractions, and the relationships among them modeled as graphs. We provide services for discovering, extracting, and analyzing process data. We provide efficient mapping and execution of process‐level queries into graph‐level queries by using scalable process query services to deal with the process data size growth and with the infrastructure's scale. We have implemented ProcessAtlas as a MapReduce‐based prototype and report on experiments performed on both synthetic and real‐world datasets.