Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Wykorzystanie zbiorów przybliżonych do pozyskiwania wiedzy i budowy reguł systemu generalizacji informacji geograficznej

100%

Fiedukowicz A.

tom T. 11, z. 2(59)

33--46

Proces generalizacji informacji geograficznej zawsze opierał się na wiedzy i doświadczeniu kartografa, który go wykonywał. Postępujące zmiany technologiczne, w szczególności zaś zmiana sposobu przechowywania informacji przestrzennej, polegające na zastąpieniu formy analogowej elektroniczną (zwykle opartą o bazy danych), sprawiają, że owa wiedza niezbędna w generalizacji, jakkolwiek wciąż kluczowa, jest również przechowywana w inny sposób. Dziś na podstawie wieloletniego doświadczenia kartografa budowane są bazy wiedzy, które mają umożliwić, przynajmniej częściową automatyzację procesu generalizacji. Taką bazę wiedzy dla współczesnych danych przestrzennych może stanowić np. informacja o atrybutach obiektów istotnych z punktu widzenia procesu generalizacji i reguły generalizacyjne o te atrybuty oparte. Dzisiejsze bazy danych przestrzennych posiadają szereg atrybutów a kolejne mogą zostać obliczone w oparciu o geometrię obiektów, czy ich topologię. Trudność polega jednak na wyłonieniu informacji kluczowych w procesie generalizacji informacji geograficznej. W artykule zaprezentowano wykorzystanie konceptu zbiorów rozmytych oraz reduktów. Redukt jest podzbiorem oryginalnego zbioru atrybutów, który pozwala na równie dobre podjęcie decyzji (w tym przypadku dotyczącej generalizacji), co oryginalny zbiór atrybutów. Jego wyznaczenie pozwala więc na wybranie spośród dostępnych atrybutów tych o najistotniejszym znaczeniu. Wiedza o tym, które atrybuty są kluczowe dla poszczególnych operatorów generalizacji jest więc w ten sposób wydobywana z już istniejących danych. Wyselekcjonowane atrybuty mogą zaś zostać wykorzystane do tworzenia reguł procesu generalizacji. Dzięki wykorzystaniu jedynie atrybutów tworzących redukt budowa reguł, staje się łatwiejsza a same reguły, a co za tym idzie cały proces generalizacji, bardziej przejrzysty.

Generalization of geographic information was always based on the knowledge and experience of cartographer who performed it. Progressive technological changes, especially the change in data storage from analog to electronic devices (usually in the form of databases), changed a lot in generalization process. Though, the knowledge needed for it is still crucial, it is stored in different way as well. Today, knowledge bases are built based on years of cartographer’s experience. Their goal is to enable, at least partially, automation of the generalization process. This knowledge base for modern spatial data may be constituted, among others, by information about attributes of objects which are significant from the point of view of generalization process as well as the generalization rules based on those attributes. Contemporary spatial databases include a number of attributes and other information (as geometry and topology) which can be used to calculate other databases. Therefore, the challenge is to bring to light information crucial in generalization process. This paper presents the use of rough sets concept, specifically reducts, for this goal. The reduct is a subset of the original set of attributes which allows to make decisions (in this case, the decision about generalization of objects) as good as based on original attributes. Knowledge about the attributes significant in generalization process is derived, in this way, from already existing data. Selected attributes can be used for defining the generalization rules. Thanks to the use only of the attributes constituting reducts, the construction of rules becomes easier and the rules themselves, as well as generalization process, are more transparent.

The statistical geoportal and the "cartographic added value" – creation of the spatial knowledge infrastructure

45%

Fiedukowicz A. , Gąsiorowski J. , Kowalski P. , Olszewski R. , Pillich-Kolipińska A.

tom Vol. 61, no. 1

47--70

The wide access to source data, published by numerous websites, results in situation, when information acquisition is not a problem any more. The real problem is how to transform information in the useful knowledge. Cartographic method of research, dealing with spatial data, has been serving this purpose for many years. Nowadays, it allows conducting analyses at the high complexity level, thanks to the intense development in IT technologies, The vast majority of analytic methods utilizing the so-called data mining and data enrichment techniques, however, concerns non-spatial data. According to the Authors, utilizing those techniques in spatial data analysis (including analysis based on statistical data with spatial reference), would allow the evolution of the Spatial Information Infrastructure. (SII) into the Spatial Knowledge Infrastructure (SKI). The SKI development would benefit from the existence of statistical geoportal. Its proposed functionality, consisting of data analysis as well as visualization, is outlined in the article. The examples of geostatistical analyses (ANOVA and the regression model considering the spatial neighborhood), possible to implement in such portal and allowing to produce the “cartographic added value”, are also presented here.

Szeroki dostęp do danych źródłowych publikowanych w licznych serwisach internetowych sprawia, iż współcześnie problemem jest nie pozyskanie informacji, lecz umiejętne przekształcenie jej w użyteczną wiedze. Kartograficzna metoda badan, która od wielu lat służy temu celowi w odniesieniu do danych przestrzennych, zyskuje dziś nowe oblicze - pozwala na wykonywanie złożonych analiz dzięki wykorzystaniu intensywnego rozwoju technologii informatycznych. Znacząca większość zastosowań metod analitycznych tzw. eksploracyjnej analizy danych (data mining) i ich „wzbogacania” (data enrichment) dotyczy jednakże danych nieprzestrzennych. Wykorzystanie tych metod do analizy danych o charakterze przestrzennym, w tym danych statystycznych, i zapewnienie dostępu do nich w formie dedykowanych usług przyczyniłoby się, zdaniem Autorów, do przetworzenia infrastruktury informacji przestrzennej (Spatial Information Infrastructure - SII) w infrastrukturę wiedzy przestrzennej (Spatial Knowledge Infrastructure - SKI). Rozwojowi SKI mógłby służyć geoportal statystyczny, którego propozycje funkcjonalności, obejmujące zarówno analizę jak i wizualizacje danych, zarysowano w artykule. Zaprezentowano tez przykłady analiz statystycznych (ANOVA, regresja z uwzględnieniem sąsiedztwa przestrzennego), możliwych do zaimplementowania w takim portalu, a które mogłyby się przyczynić do wytworzenia „kartograficznej wartości dodanej”.