世界最小的计算机——“空间立方体”

日本Shimafuji公司研制出一款世界上最小的计算机——“空间立方体”。这是一款专为太空环境下使用而设计的计算机，其主要任务是操控“星际计算机网络”，提供给美国宇航局（NASA）、欧洲宇航局（ESA）和日本宇宙航空研究开发机构（JAXA）进行联接通信。

空间数据立方体分析操作原理

提出了空间数据立方体的分析操作 ,即主要由概括分析、局部分析、全局分析和旋转分析组成 。

空间数据立方体的建模方法研究

研究了基于空间数据仓库的一种决策分析工具——空间在线分析处理(OLAP)的支撑技术。将普通数据立方体与空间数据立方体进行比较,提出空间数据立方体的维和度量的建模方法,解决了空间维与非空间维、空间度量与数值度量的集成建模问题。

空间数据立方体的技术框架

系统地论述了研究空间数据立方体的目的和意义,介绍了空间数据立方体的非空间维、空间维、数字度量、空间度量的基本概念和结构,描述了空间数据立方体的完整意思,设计出了空间数据立方体的概念模型即空间数据立方体的星型/雪片模型。最后,基于数学工具———代数系统,给出了空间数据立方体严格的数学定义。

面向“数字城市”多源数据整合和分析的空间数据立方体研究

本论文面向"数字城市"的多源数据整合和分析,定义了空间数据立方体地理空间维、专题维和时间维分别包含的数据种类和内容,设计了它们的维和维层次数据结构;表述了维构成空间数据立方体的方法;确定了维的多维数组组织及存储策略;描述了空间度量的聚集概念,结合具体的图例讲述了点状、线状、面状空间度量的聚集过程。

多维空间分析的关键技术——空间数据立方体

介绍空间数据立方体在“数字城市”建设中的作用以及国内外研究现状;讨论非空间维、空间维、数字度量、空间度量的基本概念和结构,给出空间数据立方体的完整描述。空间数据立方体的分析操作主要由概括分析、局部分析、全局分析和旋转分析组成,介绍这些分析操作的功能和结构;结合具体实例数据介绍多维缓冲区空间分析。

空间数据立方体的多维数据组织及存储

定义空间数据立方体地理空间维、专题维和时间维分别包含的数据种类和内容;设计它们的维和维层次数据结构;表述地理空间维、专题维和时间维在概念层次和物理层次上构成空间数据立方体的方法;确定地理空间维、专题维和时间维数据的多维数组组织方法,以及多维数据的数据文件和虚拟内存存储策略;表达多维数组中记录间的关联运算和多维数组的压缩方法。

空间数据立方体多维信息空间分析实例

多维信息空间分析是构筑数字城市最为关键的技术之一,而空间数据立方体是解决这个关键技术问题的有效途径;提出了空间数据立方体的分析操作主要由概括分析、局部分析、全局分析和旋转分析组成,简单介绍了这些分析操作功能和结构;在分析操作过程中,采用具体分析功能和例子数据相结合的直观方式列举了多维信息的缓冲区分析、连接分析、网络分析实例。

面向数字城市多源数据的空间数据立方体分析研究

系统地介绍了面向数字城市多源数据的空间数据立方体分析操作的基本原理,提出了空间数据立方体的分析操作主要由概括分析、局部分析、全局分析和旋转分析组成。在此基础上,全面叙述了空间数据立方体概括分析、局部分析、全局分析和旋转分析的功能和结构以及分析操作的详细过程。

面向数字城市多源数据的空间数据立方体数据组织研究

定义了面向数字城市多源数据的空间数据立方体地理空间维、专题维和时间维分别包含的数据种类和内容;设计了它们的维和维层次数据结构;表述了地理空间维、专题维和时间维在概念层次上和物理层次上构成空间数据立方体的方法;确定了地理空间维、专题维和时间维数据的多维数组组织方法,以及多维数据的数据文件和虚拟内存存储策略;表达了多维数组中记录间的关联运算和多维数组的压缩方法。

面向“数字城市”多源数据的空间数据立方体空间度量研究

叙述了面向“数字城市”多源数据的空间数据立方体空间度量的基本定义;描述了空间度量的聚集概念,并结合具体的图例阐述了点状、线状、面状空间度量的聚集过程;解释了空间数据立方体维上钻、维下翻、维层次上钻、维层次下翻的空间度量聚集操作基本原理。

空间数据立方体的空间度量聚集

叙述了空间数据立方体空间度量的基本定义;描述了空间度量的聚集概念,并结合具体图例讲述了点状、线状、面状空间度量的聚集过程;解释了空间数据立方体维上钻、维下翻、维层次上钻、维层次下翻的空间度量聚集操作基本原理。

最小的“空间立方体”计算机

最近．日本研制出一种世界上最小的“空间立方体”计算机。这是一款专门为在太空环境中操作的计算机而设计，可用于同美国宇航局、欧洲航天局和日本宇宙研究开发机构进行连接通信。

空间数据立方体的研究

据不完全统计，全世界75％到80％的信息与地理空间信息相关。地理空间信息是全球信息领域中的一个重要组成部分，更是其它信息的基础和载体。若能将地理空间信息作为组合与搭载其它信息的载体，构造出地理空间信息的多维信息结构，并最终通过多维信息的空间分析功能来解决实际问题，将会使GIS空间分析功能更为强大、

空间多维数据模型及OLAP的设计与实现

多维数据模型定义了数据仓库的度量和维度结构 ,是OLAP和某些数据挖掘模型的基础和数据仓库应用的重要手段。但用传统的多维数据模型和OLAP技术处理空间数据具有较大的局限性。文中尝试在传统多维数据模型中引入空间维度 ,在度量中引入指向空间聚合结果的空间聚合索引 ,并引入空间算子集合 ,从而构造出空间多维数据模型和空间立方体。在模型物理实现的基础上 ,试验了空间立方体的OLAP操作。

基于Web的空间OLAP研究

OLAP(在线分析处理 )是空间信息集成、查询与分析的重要领域和手段 ,基于Web的OLAP需要解决体系结构、空间数据仓库构建、多维数据模型、WebGIS、数据挖掘等诸多理论和工程问题。体系结构规定了系统开发和应用的模式 ;多维数据模型中定义了基于数据仓库的度量和维度结构 ,是OLAP和某些数据挖掘模型的基础 ,是数据仓库应用的重要手段。传统的体系架构、多维数据模型和OLAP技术在处理空间数据过程中具有较大的局限性。文章尝试探讨在Internet环境下 ,在传统多维数据模型中引入空间维度、度量中指向空间聚合结果的空间数据索引及其空间算子集合 ,从而构造出空间多维数据模型 ,并在模型物理实现的基础上 ,试验了空间立方体的WebOLAP操作。可以预测 ,空间OLAP研究将成为GIS研究的热点 ,具有极大的应用价值。

多维数据库和空间多维数据的数学模型与人工智能

多维数据模型是定义了数据仓库的度量和维度结构的数据模型,文中尝试在传统多维数据模型中引进空间距离,从而构造出了空间多维数据模型和空间立方体.简化的逻辑数学公式可以表示各种多维数据库及空间多维数据结构拓扑图,通过建立数学模型可进行计算求解.分析表明,从多维数据库及空间多维数据模型可生成多种新的数学模型,使得多维数据逻辑关系更简单实用、安全可信,并且适用于多种类型多维数据模型的应用环境.除此之外,在多维数据库及空间多维数据分析中将人工智能用于处理多维数据,可用于排错、优化和速度计算等用途.

多维数据库和空间多维数据的数学模型与人工智能

多维数据模型是定义了数据仓库的度量和维度结构的数据模型,本文尝试在传统多维数据模型中引进空间距离,从而构造出了空间多维数据模型和空间立方体.简化的逻辑数学公式可以表示各种多维数据库及空间多维数据结构拓扑图,通过建立数学模型可进行计算求解.分析证明,从多维数据库及空间多维数据模型可生成多种新的数学模型,使得多维数据逻辑关系更简单实用、安全可信,并且适用于多种类型多维数据模型的应用环境.除此之外,在多维数据库及空间多维数据分析中将人工智能用于处理多维数据,可用于排错、优化和速度计算等用途.

高效多子空间Skyline查询处理算法

随着Skyline查询应用的增多,子空间Skyline查询成为热点。针对实际应用中用户从多角度审视某一数据集的需求,充分研究了多子空间Skyline查询问题。在分析现有子空间Skyline查询算法解决该问题不足的基础上,提出了子空间立方体群(subspace skycube group,SSG)结构,并给出了基于该结构的同时计算任意多个子空间Skyline查询的MSSC(multiple subspace skycube)算法。该算法采用子空间候选集(subspace candidate sets,SCS),并充分利用了子空间立方体群结构中各子空间Skyline结果间的共享关系;在此基础上,算法采用求和过滤以及最大值过滤等方法,对数据集进行剪枝和过滤,从而进一步提高算法效率。最后,分别用人造数据和真实数据对算法进行实验,并与现有算法进行比较,结果表明MSSC算法可以高效地解决多子空间Skyline查询问题。

多维数据库和空间多维数据的数学模型与人工智能

多维数据模型是定义了数据仓库的度量和维度结构的数据模型,本文尝试在传统多维数据模型中引进空间距离,从而构造出了空间多维数据模型和空间立方体。简化的逻辑数学公式可以表示各种多维数据库及空间多维数据结构拓扑图,通过建立数学模型可进行计算求解。分析证明,从多维数据库及空间多维数据模型可生成多种新的数学模型,使得多维数据逻辑关系更简单实用、安全可信,并且适用于多种类型多维数据模型的应用环境。