Hibernate技术在基于GIS数据库中的应用研究

空间信息的存储和处理问题是地理信息系统(GIS)的核心问题.对空间数据和属性数据的统一存储管理已成为必然趋势.本文通过对GIS中海量数据的存储方式进行研究,指出对象-关系型的数据库存储方式是空间数据库的发展方向.在此基础上讨论了Hibernate技术与GIS数据库的结合,使用Hibernate技术将关系数据库中空间数据和属性数据进行封装,屏蔽了数据库底层操作,使得程序员可以用面向对象的思想随意操纵数据库,在利用了关系数据库的快速检索、查询能力的同时也增强了数据的一致性和可移植性.     

基于Oracle Spatial的GIS数据组织及查询

GIS的一个难点是实现空间数据和属性数据的一体化存储和管理,研究用Oracle Spatial技术来解决这个问题。在确定了采用对象一关系模型来存储GIS数据后,比较了空间数据的两种导入方式,在此基础上,选用EasyLoader工具将GIS数据导入到Oracle数据库中,再用四元树索引为其建立索引。最后,选择Java作为开发工具,采用JDBC方式与Oracle数据库相连并实现了对GIS数据的查询。     

基于ArcSDE的空间数据库设计与实现

探讨了SDE技术的原理,提出了基于ArcSDE的“吐鲁番GIS数据库”系统的建设方案。通过有效的数据存储和数据库管理设计,依托GIS方法和数据库技术,所实现的数据库系统具备了完整的空间数据存储和管理功能。设计实现了基于MapObjects组件的功能客户端,最终形成了一个完整的空间数据库系统。     

浅析GIS大数据

随着地理信息数据的迅速增加,GIS数据呈现出数据量大、数据种类多和数据结构复杂的特点。该文从大数据的角度对GIS数据呈现的三个特征进行了具体的分析,并在此基础上提出GIS大数据存储和处理的新的要求。最后介绍了MongoDB这一NoSQL数据库的特性,简要分析了利用MongoDB数据库的特性来解决GIS大数据问题的方法,并简单地借助于python语言用mongoDB对ESRI Shapefiles进行了存储。     

基于GIS的空间数据库构建与应用研究

GIS在空间数据和属性数据一体化存储和管理方面的能力有限,而空间数据库技术可以较好地弥补GIS这一不足。本文详细给出了利用OracleSpatial与MapInfo相结合构建空间数据库的方法和过程,并介绍了空间数据库的一些应用。     

基于SQLServer的空间数据存储器的设计与实现

GIS数据量的日益膨胀和分布式GIS的发展,对GIS数据管理提出了更高的要求。针对传统关系型数据库未能较好解决空间数据存储以及客户端GIS应用程序的连接问题,本文在研究最具潜力的面向实体的数据模型的基础上,借助SQLServer关系型数据库管理系统的强大功能和空间数据引擎技术解决了海量空间数据一体化存储问题,满足了国产GIS自身发展需求。     

基于Hadoop的电力地理信息系统数据管理

针对传统电力地理信息系统（GIS）在存储能力、分析能力和扩展能力上的不足,将云计算技术应用到电力GIS领域,提出利用Hadoop云平台对电力GIS数据进行高效存储和管理的方案。首先对电力GIS各类数据的特点进行了分析,提出了关系型数据库与非关系型数据库相结合的数据存储策略,并在此基础上设计了基于Hadoop的电力GIS数据管理整体架构、相应的数据模型以及基于MapReduce的数据并行查询分析方法。最后,在单机和集群的环境下,对空间分析与运行数据查询的性能进行了对比与验证。实验结果表明,在数据量达到一定规模时,该方案优势明显,数据分析与查询的平均时间缩短30%以上,具有较高的效率和良好的扩展性。     

基于SDE的GIS空间和属性数据在RDBMS中的集成

像其它的信息系统一样，数据库是GIS不可或缺的一部分。但是由于GIS中空间数据的特殊性，从而在一定程度上限制了关系数据库在GIS中的应用。而ArcSDE的推出就比较好地解决了这个问题。该文将介绍SDE是怎样将空间数据存储在关系数据库中，并在此基础上介绍存储在关系数据库中的空间数据是如何与也在同一数据库中的非空间属性数据进行连接。     

基于iSCSI SAN的GIS数据存储技术研究

日益增长的GIS数据迫切需要一种高效、经济的网络化存储方式。iSCSI协议定义了在TCP／IP网络中发送、接收block（数据块）级的存储数据的规则和方法,整合了SCSI存储标准和TCP／IP协议,充分发挥了它们的优势。本文对iSCSI存储网络进行了简单的测试与分析,认为基于iSCSI技术实现的SAN网络,能够满足中小型企业的GIS数据库存储需求,且性价比最高。     

基于关系型数据库的空间数据组织管理及应用研究

空间数据的组织管理是GIS的基础和核心。目前,众多的传统关系型数据库都对空间数据存储进行了扩展,将空间数据和属性数据进行一体化存储。论文首先阐述了空间数据组织管理的技术发展及现状,以及OGC规范下的空间数据开放性和标准化,之后结合几种商用和开源空间数据库,介绍基于关系型数据库的空间数据解决方案及其在GIS中的应用。     

基于孤立点检测的错误数据清理方法

针对数据源中出现的错误数据,分析了孤立点检测方法在数据清理中的重要性,提出了一种基于孤立点检测的错误数据清理方法。在对常用孤立点检测方法进行比较、分析的基础上,采用一种有效的孤立点检测方法来检测数据源中的孤立点。最后,以一个实例验证了该方法的效果。研究表明：基于孤立点检测的错误数据清理方法能有效地检测数据源中的错误数据。     

基于数据仓库OLAP技术的属性相关性研究

主要介绍了基于数据仓库和OLAP技术的属性相关性分析思想,并且提出了把OLAP技术与数据挖掘技术相结合运用的方法。     

一种基于交互式数据迁移技术的数据采集方法

针对计算机审计的现状,阐述了数据采集在计算机审计中的重要性。在分析了数据采集和数据迁移技术的基础上,提出了一种基于交互式数据迁移技术的数据采集方法。该方法不仅可灵括、准确地完成数据采集,还同时完成了数据的清理工作。最后,总结了该方法的优点,它为开展计算机审计提供了一种有效的数据采集方法。     

无线传感器网络簇内实时数据融合研究

现有的无线传感器网络数据融合技术存在数据延迟和数据正确性两方面的问题。针对该问题设计一种基于簇内实时数据融合的方法．该方法首先通过量化计算将数据划分为紧急数据和非紧急数据并作标记,将紧急数据迅速融合传给用户以提高实时性。在融合过程中引入传感器测量修正并结合关系矩阵法对数据进行相应的融合处理．然后对融合结果进行分析并进行反馈调整。仿真实验结果表明．该方法能够提高簇内实时数据融合正确性并且降低数据延迟．     

空间信息栅格中的不同数据格式转换研究

空间信息存在数据量大、处理复杂、难以共享等问题。空间信息栅格（SIG）的一个主要任务就是实现一体化、智能化的空间信息获取、存储、组织、分发、融合及互操作,形成空间信息资源共享与集成。通过比较目前主要的几种空间数据格式,在分析了数据转换的主要方法后,提出以MIF文件格式为中间桥梁的思想,通过两两不同的空间数据的相互转换,实现了多种空间数据之间的转换,有效地解决了不同空间数据的共享问题。     

在属性级别上处理噪声数据的数据清洗算法

噪声数据的处理是数据清洗的一个重要环节.文章提出一个基于聚类分析的在属性级别上处理噪声数据的算法.该算法通过聚类分析确认噪声数据产生噪声的具体属性,同时统计噪声在属性上的分布规律,这些统计数据可以在下一步的工作中进一步提高数据质量.     

数据质量评估方法研究

数据质量管理已经成为当今数据管理的关键问题,并得到了广泛的研究和应用。数据质量评估作为数据质量管理中的必要过程和基础部分,目前缺乏一种定量的系统的方法。针对数据质量评估中的这一问题,该文介绍了一些基本的数据质量评估指标,提出了一种数据质量评估模型,并阐述了该模型的构造技术和计算方法。     

医疗体检数据预处理方法研究

原始体检数据存在信息模糊、有噪声、不完整和冗余的问题,无法直接用于疾病的风险评估与预测。由于体检数据在结构和格式等方面的不足,不适合采用传统的数据预处理方法。为了充分挖掘体检数据中有价值的信息,从多角度提出了针对体检数据的预处理方法：通过基于压缩方法的数据归约,降低了体检数据预处理的时间及空间复杂度;通过基于分词和权值的字段匹配算法,完成了体检数据的清洗,解决了体检数据不一致的问题;通过基于线性函数的数据变换,实现了历年体检数据的一致性和连续性。实验结果表明,基于分词和权值的字段匹配算法,相对于传统算法具有更高的准确性。     

后勤数据仓库系统的设计与实现

数据仓库是近几年出现的信息处理领域面向分析和决策的新技术。首先介绍了数据仓库的一般特征和体系结构,并通过后勤数据仓库原型为实例,详细介绍了数据仓库的设计与实现过程,最后提出了数据仓库环境下基于知识的智能查询方法——“5W＋H”。     

A novel anonymization algorithm: Privacy protection and knowledge preservation

In data mining and knowledge discovery, there are two conflicting goals: privacy protection and knowledge preservation. On the one hand, we anonymize data to protect privacy; on the other hand, we allow miners to discover useful knowledge from anonymized data. In this paper, we present an anonymization method which provides both privacy protection and knowledge preservation. Unlike most anonymization methods, where data are generalized or permuted, our method anonymizes data by randomly breaking links among attribute values in records. By data randomization, our method maintains statistical relations among data to preserve knowledge, whereas in most anonymization methods, knowledge is lost. Thus the data anonymized by our method maintains useful knowledge for statistical study. Furthermore, we propose an enhanced algorithm for extra privacy protection to tackle the situation where the user’s prior knowledge of original data may cause privacy leakage. The privacy levels and the accuracy of knowledge preservation of our method, along with their relations to the parameters in the method are analyzed. Experiment results demonstrate that our method is effective on both privacy protection and knowledge preservation comparing with existing methods.