WWW.KONF.X-PDF.RU
БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА - Авторефераты, диссертации, конференции
 

Pages:   || 2 | 3 | 4 |

«РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДИКИ ПРОЕКТИРОВАНИЯ БАЗЫ МЕТАДАННЫХ ХРАНИЛИЩА ГЕОДАННЫХ ...»

-- [ Страница 1 ] --

Федеральное государственное бюджетное образовательное учреждение высшего

профессионального образования

МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

ГЕОДЕЗИИ И КАРТОГРАФИИ

(МИИГАиК)

На правах рукописи

Зайцев Владислав Вячеславович

РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДИКИ ПРОЕКТИРОВАНИЯ

БАЗЫ МЕТАДАННЫХ ХРАНИЛИЩА ГЕОДАННЫХ



Специальность 25.00.35 – «Геоинформатика»

ДИССЕРТАЦИЯ

на соискание ученой степени кандидата технических наук

Научный руководитель д-р техн. наук, проф. А.А. Майоров Москва 20

ОГЛАВЛЕНИЕ

Введение………………………………………………………………………………...

Глава 1. Обзор исследований проводимых в области хранилищ геоданных и стандартизации метаданных в геоинформатике ………………………………….

.....8 Раздел 1. Обзор исследований проводимых в области хранилищ геоданных……………………………………………………………………….....8 Раздел 2. Стандартизация метаданных в геоинформатике………………........30 Глава 2. Состав базы метаданных хранилища геоданных………………………….38 Глава 3. Разработка и исследование методики проектирования базы метаданных хранилища геоданных………………………………………………………………...8 Заключение……………………………………………………………………….…..105 Список сокращений и условных обозначений.……………………………………109 Список литературы…………………………………………………………………..110 Список иллюстрированного материала……………………………………….…....126 Введение Развитие геоинформационных технологий способствует накоплению организациями больших объемов данных, представленных в различных форматах.

Накопленные за многие годы и собираемые поныне данные, в том числе и пространственные данные, могут стать объектом исследования с целью нахождения новых знаний.

С появлением систем глобального позиционирования, технологий дистанционного зондирования: фотограмметрических методов, телевизионной видеосъемки, радиометрических методов когерентного оптического зондирования и т.п., объем получаемых пространственных данных превзошел возможности их анализа.

В последнее время в ходе создания и применения инфраструктуры пространственных данных (далее – ИПД) возрос практический интерес к хранилищам данных и оперативной аналитической обработке данных.

В геоинформационных системах (далее – ГИС) данные технологии пока не используется, поскольку ГИС использует реляционные базы данных, а хранилища данных в основном используют многомерное представление данных 1.

Традиционные хранил

–  –  –

Иванников А.Д., Кулагин В.П., Тихонов А.Н., Цветков В.Я.. Прикладная геоинформатика / М.: МАКС Пресс, 2005. – 360 с.

Таким способом можно создать новые инструменты поддержки принятия решений, лучше приспособленные к пространственно-временному исследованию и анализу данных.

Необходимость обеспечения интеграции и совместного использования пространственных данных, полученных из различных источников 1, при формировании ИПД, заставила обратить внимание на метаданные.

Метаданные – данные, которые позволяют описывать содержание, объем, положение в пространстве, качество и другие характеристики пространственных данных и пространственных объектов 2.

В свою очередь метаданные в среде хранилища данных применяются не только для каталогизации, учете, статистической обработке и анализе данных 3, а так же описания вычислительной среды, информационной безопасности, возможности планирования и восстановления данных. Поэтому под метаданными в среде хранилища данных следует понимать совокупность спецификаций, отражающих информационную модель, описание структуры данных хранилища и источников данных, а также описание процессов обработки данных, циркулирующих в среде.

Существующие методики проектирования баз пространственных метаданных основываются на стандартах ГОСТ Р 52573-2006 «Географическая информация.

Метаданные» и ГОСТ Р 51353-1999 «Геоинформационное картографирование.

Метаданные электронных карт» и позволяют создать базу метаданных, описывающую только характеристики пространственных данных и пространственных объектов.

В свою очередь методика создания баз метаданных хранилищ данных, основанная на стандарте «Общая метамодель хранилища» не позволяет учесть особенностей описания характеристик пространственных данных и пространственных объектов.





Распоряжение Правительства РФ от 21 августа 2006 г. N 1157-р.

–  –  –

ГОСТ Р 52573-2006 «Географическая информация. Метаданные»

В этой связи актуальность диссертационного исследования обусловлена:

необходимостью интеграции несопоставимых и нескоординированных между собой пространственных данных в ходе создания ИПД;

способностью метаданных – компонента ИПД, описывать только характеристики пространственных данных и пространственных объектов, в то время как в среде хранилища данных они дополнительно описывают процессы их обработки;

ограниченными возможностями существующих методик проектирования БМД ХГД.

Целью диссертационной работы является разработка и исследование методики проектирования базы метаданных хранилища геоданных (далее – БМД ХГД), входящего в состав информационных ресурсов для создания и применения ИПД.

Проектирование базы данных (метаданных) подразумевает прохождение трех этапов: концептуального, логического и физического проектирования, результатом каждого из которых будет создание концептуальной, логической и физической модели соответственно.

Под проектированием в диссертационной работе имеется в виду концептуальное проектирование, так как оно позволяет создать концептуальную (семантическую) модель предметной области без ориентации на конкретную СУБД и модель данных. К тому же существующие средства автоматизированного проектирования и создания программ позволяют из концептуальной модели генерировать одну или несколько логических и (или) физических моделей, в зависимости от требуемого уровня представления и подходов к моделированию данных 1.

Поэтому в ходе разработки методики планируется:

сформировать базовый набор метаданных;

построить на его основе концептуальную модель базы метаданных;

описать последовательность действий по созданию базы метаданных.

Нартова А. PowerDesigner 15 Моделирование данных / Изд. «Лори». 2012. – 468 с.

Исследовать разработанную методику проектирования планируется с помощью проведения ее сравнительного анализа с существующими методиками.

Для достижения поставленной цели в работе были сформулированы и решены следующие задачи:

Проведение сравнительного анализа исследований в области хранилищ 1.

геоданных и баз метаданных.

Формирование базового набора метаданных необходимого для создания 2.

БМД ХГД.

Разработка общей концептуальной модели БМД ХГД в виде диаграммы 3.

классов UML.

Описание алгоритма применения базового набора метаданных на этапах 4.

развертывания хранилища геоданных.

Проведение сравнительного анализа разработанной методики с 5.

существующими методиками проектирования.

Решение перечисленных задач позволит разработать методику проектирования базы метаданных хранилища геоданных.

В первой главе диссертационной работы проведен сравнительный анализ исследований в области хранилищ геоданных, а также описан вопрос применения метаданных в геоинформатике и их роль в среде ХГД. В завершении главы приведены исследования, проводимые в МИИГАиК, в области создания методики проектирования баз (каталогов) метаданных.

Во второй главе сформирован базовый набор элементов метаданных необходимый для создания БМД ХГД. Для этого описаны основные функции метаданных в среде ХД, архитектурная концепция информационного ХД и схема движения информации в ХД.

Третья глава посвящена описанию и исследованию методики создания базы метаданных. Для этих целей в главе описан алгоритм применения сформированного базового набора метаданных в ходе одновременного развертывания ХГД и БМД, а так же разработана общая концептуальная модель БМД ХГД в виде диаграммы классов UML Далее проведен анализ возможности применения спецификации «Общая метамодель хранилища» и ГОСТ 52573-2006 «Географическая информация.

Метаданные» при проектировании базы метаданных хранилища геоданных. По результатам анализа построена схема базы метаданных хранилища геоданных.

Основными положениями, выносимыми автором на защиту диссертационного исследования являются:

сформирован базовый набор метаданных, позволяющий создать БМД, описывающую как характеристики пространственных данных и пространственных объектов, так и происходящие в среде хранилища данных процессы;

на основе, базового набора метаданных, разработана общая концептуальная модель БМД, позволяющая, путем преобразования в логическую и далее в физическую модель, создавать БМД на основе выбранной модели данных и СУБД;

разработана и исследована методика применения, сформированного автором, базового набора метаданных, позволяющая создавать БМД одновременно с развертыванием ХГД.

Глава 1. Обзор исследований проводимых в области хранилищ геоданных и стандартизации метаданных в геоинформатике Раздел 1.

Обзор исследований проводимых в области хранилищ геоданных В целях сбора, хранения, обработки, отображения и распространения географических данных, а также получения на их основе новой информации и знаний, в настоящее время применяются геоинформационные системы (далее – ГИС) 1. Географические данные – это пространственные данные, для которых базовой системой координат является земная поверхность. В ГИС кроме пространственных данных используется связанная с ними информация о необходимых объектах, так называемые (непространственные) атрибутивные данные.

Как правило, функции сбора и хранения данных в ГИС переданы базе данных. Иногда этап сбора данных сводится к технологии их ввода в базу данных ГИС. База данных (далее – БД) – совокупность данных организованных по определенным правилам, устанавливающим общие принципы описания, хранения и манипулирования данными, независимая от прикладных программ 2. Создание БД и обращение к ней осуществляется с помощью системы управления базами данных (далее – СУБД).

Исторически сложилось два направления взаимодействия ГИС и СУБД:

гибридные и интегрированные СУБД. Согласно Майклу Н. ДеМерсу3 это разделение связано в основном со способом хранения (совместно или раздельно) пространственных и атрибутивных данных.

Капралов Е.Г., Кошкарев А.В., Тикунов В.С. и др. Основы геоинформатики: В 2 кн. Кн. 1: Учеб. пособие для студ. вузов / Под ред. Тикунова В.С. / М.: Издательский центр «Академия», 2004.

ГОСТ 20886-85 Организация данных в системах обработки данных. Термины и определения.

ДеМерс, Майкл Н. Географические информационные системы. Основы / Пер. с англ. Андрианов В. / М.: Дата+, 1999.

В современных ГИС в основном применяется подход, когда и атрибутивные и пространственные данные хранятся и управляются в единой среде СУБД, а также объектный и объектно-реляционный подходы.

Необходимо также отметить основные свойства, поддерживать которые присуще любой СУБД – это постоянство и транзакции. В СУБД состояние постоянного объекта подвергается частым изменениям, а в ряде случаев желательно иметь доступ к предшествующим состояниям данных. Транзакции переводят базу данных из одного непротиворечивого состояния в другое.

Поэтому по своему функциональному назначению применяемые в ГИС базы данных являются системами оперативной обработки транзакций (On-Line Transaction Processing) OLTP-системами.

В OLTP-системах за короткое время происходит максимальное количество транзакций, используется фиксированный набор методов ввода, модификации и удаления данных, а также подготовки отчётности. Как правило, OLTP-системы не требуют большой гибкости и их аналитические возможности ограничены.

В этой связи возникла необходимость в разработке систем управления пространственными базами данных (далее – СУПБД). В то время как традиционные БД могут хранить и обрабатывать числовую и символьную информацию, пространственные базы данных (далее – ПБД) обладают расширенной функциональностью, позволяющей хранить целостный пространственный объект, объединяющий атрибутивные и пространственные данные.

ПБД позволяют выполнять аналитические запросы, содержащие пространственные операторы для анализа пространственно-логических отношений объектов (пересекается, касается, содержится в, содержит, находится на расстоянии X от, совпадает и пр.).

Иванников А.Д., Кулагин В.П., Тихонов А.Н., Цветков В.Я.. Прикладная геоинформатика / М.: МАКС Пресс, 2005. – 360 с.

Шаши Ш., Санжей Ч. Основы пространственных баз данных / М.: Кудиц-образ, 2004. – 34 с.

Там же, с. 35.

Например, ГИС поддерживает большой набор операций над несколькими объектами и слоями, в то время как СУПБД обеспечивает более простые операции над совокупностями объектов и множествами слоев 1. Для этих целей Open Geospatial Consortium Inc. (далее – консорциум OpenGIS), установил стандарты на дополнительную функциональность СУПБД.

Со временем стало понятно, что сбор данных это не главная цель. Появилась необходимость в создании информационных системах, позволяющих проводить глубокую аналитическую обработку данных. Например, поиск скрытых структур и закономерностей в массивах данных, вывод из них правил, которым подчиняется данная предметная область, стратегическое и оперативное планирование, формирование нерегламентированных запросов, принятие решений и прогнозирование их последствий 2.

Появился новый класс систем – информационных систем поддержки принятия решений (далее – СППР), ориентированных на аналитическую обработку данных с целью получения знаний, необходимых для разработки решений в области управления 3.

ПБД создавалась для обработки регулярных транзакционных запросов к не агрегированным данным без исторической привязки. Поэтому применение к ПБД запросов сформированных с целью поддержки принятия решений очень затруднительно.

В этой связи получила развитие идея создания хранилища геоданных, являющаяся объединением традиционного хранилища данных и пространственной базы данных. ХГД основывается на понятии хранилищ данных и дополнительно поддерживает хранение, индексацию, агрегирование и анализ пространственных данных 4.

Шаши Ш., Санжей Ч. Основы пространственных баз данных / М.: Кудиц-образ, 2004. – 36 с.

Паклин Н., Орешков В. Бизнес-аналитика: от данных к знаниям: учебное пособие / 2-е изд., испр. / СПб.: Питер,

–  –  –

Капралов Е.Г., Кошкарев А.В., Тикунов В.С. и др. Основы геоинформатики: В 2 кн. Кн. 2: Учеб. пособие для студ. вузов / Под ред. Тикунова В.С. / М.: Издательский центр «Академия», 2004.

Девлин и П. Мерфи. В 1992 году Б. Инмон подробно описал эту концепцию в своей монографии «Построение хранилища данных» 1.

Согласно определению Б. Инмона, «хранилище данных – это предметно ориентированный, интегрированный, неизменчивый, поддерживающий хронологию набор данных, организованный для целей поддержки принятия решений» 2.

Все существующие архитектуры хранилищ данных (реляционные, многомерные, гибридные или виртуальные) основаны на технологии оперативной аналитической обработки (On-Line Analytical Processing, OLAP). Эта технология представляет собой методику оперативного извлечения нужной информации из больших массивов данных и формирования соответствующих отчетов 3.

Приведем примеры существующих архитектур ХД:

ROLAP (Relational OLAP). Эти ХД используют реляционную модель, что позволяет хранить данные в реляционных таблицах, образующих структуры (схемы «звезда», «снежинка» или «созвездие»), создающие видимость многомерного представления данных.

MOLAP (Multidimensional OLAP). В ХД этой архитектуры многомерное представление данных реализовано на физическом уровне в виде многомерных кубов данных.

HOLAP (Hybrid OLAP). Гибридные ХД объединяют в себе свойства двух предыдущих архитектур. В эти ХД детализированные данные хранят в реляционных таблицах, а агрегированные данные – в многомерных кубах данных.

В виртуальных хранилищах данных (далее – ВХД) работа ведется с различными источниками, данные из которых собираются во время выполнения запроса без их консолидации в едином формате.

Понятие многомерная модель данных, опирающаяся на концепцию многомерных кубов данных (OLAP-кубы или гиперкубы), представляющих собой Барсигян А.А., Куприянов М.С., Степаненко В.В., Холод И.И. Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP / 2-е издание, переработанное и дополненное / СПб.: БХВ-Петербург, 2007. – 384 с.

Там же, с. 384.

Паклин Н., Орешков В. Бизнес-аналитика: от данных к знаниям: учебное пособие / 2-е изд., испр. / СПб.: Питер, 2013. – С. 77.

–  –  –

Существующие концептуальные модели для реляционных БД и ПБД, не подходят для применения в ХГД, так как в них отсутствуют такие понятия, как иерархии, агрегаты, измерения и факты.

Все исследования в данной области сконцентрировались в направлении формулирования общих требований к концептуальной модели, создания пространственной многомерной и пространственно-временной моделей, а также переноса концептуальной модели в физическую модель.

По вариантам многомерных моделей для ХГД было много различных предложений. Например, С. Бимонте и М. Микуэль в своем докладе «В отношении пространственной многомерной модели»1 предлагают многомерную модель, где измерения и факты представляют собой сложные объекты. Эта модель применяет понятия экземпляра сущности и схемы сущности, которые затем использует для определения – куба данных, иерархий и агрегатов.

Е. Малиновски и Е. Зимани в своих работах «Представление пространственности в концептуальной многомерной модели»2 и «Пространственные иерархии и топологические связи в пространственной MultiDimER модели» предлагают концептуальную многомерную модель –

Эта концептуальная модель ХГД вводит следующие понятия:

MultiDimER.

пространственный уровень, пространственная иерархия, пространственное измерение и пространственный факт отношения. Это решение не требует представления пространственных измерений к существующему пространственному факту. Данное решение позволяет представить реальный мир в модели иерархий.

Существуют следующие фундаментальные понятия многомерной модели

MultiDimER:

Пространственный уровень – уровень, где сохранены пространственные характеристики. Между различными пространственными уровнями существуют топологические отношения.

Bimonte S., Miquel M. Towards a spatial multidimensional model.

Malinowski E., Zimanyi E. Representing spatiality in a conceptual multidimensional model.

Malinowski E., Zimanyi E. Spatial Hierarchies and Topological Relationships in the Spatial MultiDimER model.

Пространственная иерархия – иерархия, включающая в себя, по крайней мере, один пространственный уровень.

Пространственное измерение (dimension) – измерение, у которого есть, по крайней мере, одна пространственная иерархия.

Пространственные измерения имеют три типа иерархий:

Непространственная иерархия.

Пространственная иерархия к непространственной иерархии.

Полностью пространственная иерархия Пространственный факт отношения – это факт отношения, который требует пространственного соединения между двумя или более пространственными измерениями.

Пространственный показатель (measure) – любое численное значение измерения, вычисленное с помощью топологических операторов или геометрии, которое может быть агрегировано по иерархиям.

Эти же авторы в своей статье «Реализация иерархий пространственного хранилища данных в объектно-реляционных СУБД»1 описывают перенос концептуальной модели MultiDimER в физическую модель. Физическая модель реализована на сервере Spatial Oracle 10g. В статье рассматриваются проблемы, возникающие при реализации схем создаваемых с помощью концептуальных моделей. Пространственный уровень, определенный в модели MultiDimER, является таблицей в базе данных, а отношения между уровнями соответствуют отношениям между таблицами.

Загрузка...

Основные требования при проектировании эффективной многомерной модели ХГД описаны в статье Г. Вишванатхан и М. Шнейдер «Требования к пользовательскому складированию пространственных данных и SOLAP» 2.

Исследования вопросов хранения данных и организации запросов к ним стали вторым важным направлением в изучении ХГД.

Malinowski E., Zimanyi E. Implementing spatial data warehouse hierarchies in object-relation DBMSs.

Viswanathan G., Schneider M. On the requirements for user-centric spatial data warehousing and SOLAP.

Индекс — объект базы данных, создаваемый с целью повышения производительности поиска данных. Ускорение работы с использованием индексов достигается в первую очередь за счёт того, что индекс имеет структуру, оптимизированную под поиск. Индексы могут быть реализованы различными структурами.

Не смотря на то, что индексы широко используются в ПБД, если структуры индекса правильно построены на колонках измерений и фактов, то сильно увеличивается производительность запросов, особенно нерегламентированных, что очень важно в ХГД.

В ходе исследований, проводимых в отношении структур индексов, применяемых в ХГД, предлагались различные расширения индексов, применяемых в ГИС, ПБД и ХД, таких как Обобщенные деревья поиска GiST (Generalized Search Trees), R-дерево (R* -дерево и R+ -дерево), B-дерево и т.д.

Обобщенное дерево поиска (GiST) является инфраструктурой разработки поисковых деревьев, расширяемой как с точки зрения типа данных, по которым производится поиск, так и с точки зрения поисковых запросов. Индексы GiST разделяют данные на «объекты по одну сторону», «пересекающиеся объекты» и «объекты внутри», что позволяет использовать их для многих типов данных.

Статья Ф. Рао, Л. Занг и Ю. Чен «Пространственная иерархия и поиск, основанный на OLAP, в пространственном хранилище данных»1 описывает расширение индекса GiST.

Определенный в GiST интерфейс, позволяет создать новые разновидности индекса, так как он не зависит от конкретного типа данных и поисковых запросов.

Для расширения GiST предлагается реализация двух интерфейсов – gist и predicate.

Каждый узел дерева состоит из (p, ptr), где p – это предикат запроса, а ptr – указатель на следующий узел. Для нахождения всех узлов, совместимых с предикатом запроса, в GiST используется последовательный алгоритм поиска, для Rao F., Zhang L., Chen Y. Spatial hierarchy and OLAP-favored search in spatial data warehouse.

применения в ХГД авторы предлагают новое состояние этого предиката – «неравнодушная истина».

Статья М. Юргенс и Х. Ленз «R*a-дерево: усовершенствованное R*-дерево с материализованными данными для поддержки запросов по областям на OLAP данных»1 описывает расширение (R*a-дерево), с помощью R*-дерева материализованных данных. Данная статья показывает, что хранение агрегатов во внутренних узлах дерева индекса уменьшает время отклика OLAP запросов.

Далее рассмотрен измененный рекурсивный алгоритм запросов на диапазонах, применяющий предварительное вычисление. Результаты данного исследования показывают, что дополнительное пространство для хранения агрегированных данных и размер структуры данных имеют прямолинейную зависимость.

Если R*a-дерево акцентирует свое внимание на хранении агрегатов в индексе, но не делает различия для пространственных объектов, то aR-дерево 2, основываясь на одинаковой идее – материализации индекса, расширяет применение R-дерева для ХГД. При создании пространственных данных иерархия не закладывается, а для работы OLAP операций она необходима. Индекс aRдерево хранит результаты функций агрегирования на все объекты, хранящиеся в каждом MBR (Minimum Bounding Rectangles).

Преимуществами этого подхода являются:

Индекс определяет иерархию среди MBR, которые затем формируют модель решетки куба данных. Это дает возможность для выборочной материализации структуры.

Данная идея может быть расширена за счет хранения результатов запросов или других типов операторов агрегирования.

Не смотря на то, что aR-дерево считается эффективной структурой для создания запросов к агрегатам, в случае большого числа измерений ее эффективность снижается. Возникают трудности схожие с последовательным Jurgens M., Lenz H.-J. The R*a-tree: An improved R*-tree with materialized data for supporting range queries on OLAP

- data.

Papadias D., Kalnis P., Zhang J., Tao Y. Efficient OLAP Operations in Spatial Data Warehouses.

просмотром всех записей базы данных. М. Горавски и Р. Малкзок в своей статье «Материализованное aR-Дерево в распределенном пространственном хранилище данных»1 описывают создание и исследование aR-деревьев для ХГД.

Большинство методов индексации в ХГД основываются на пространственных или временных индексах. Поэтому индексы в пространственно-временных хранилищах данных (ПВХД) должны быть созданы на основе интеграции пространственных и временных индексных структур.

Например, агрегат RB-дерево (aRB-дерево) описанный в статье Д. Пападиас и Д. Занг «Индексация пространственно-временного хранилища данных» 2, является расширением R-дерева, имеющим указатель на B-дерево, хранящий исторические агрегированные данные о MBR. Данная индексная структура была предложена для представления статических пространственных измерений.

Исторический агрегат RB-дерево (aHRB-дерево) объединяет понятия aRBдерево и историческое R-дерево (HR-дерево) для индексирования динамических пространственных измерений. Каждый узел данного дерева хранит определенный отрезок времени. Другая форма записей узла схожа с aRB-деревом. Каждый раз, когда происходит обновление, новое R-дерево создает временную метку.

Другое предложение по индексации динамического пространственного измерения – это агрегат 3-х мерного RB-дерева (3DRB-дерево), который изменяет к лучшему ограничение размера дерева для aHRB-дерева. Формируется одно большое R-дерево для целой истории в противоположность многим маленьким Rдеревьям, создающимся в aHRB-дереве. Большое R-дерево хранит различную версию всех регионов в одном дереве.

Следующий способ ускорить обработку данных это материализованное представление (материализация данных) объект БД, содержащий — предварительный результат выполнения запроса. Материализованное представление позволяет ускорить выполнение запросов, в случае использования большого количества записей. Это достигается за счет использования заранее Gorawski M., Malczok R. Materialized aR-Tree in distributed spatial data warehouse.

Papadias D., Zhang J. Indexing Spatio-temporal data warehouses.

вычисленных итоговых данных, а также результирующих таблиц. Вычисленные заранее итоговые данные имеют небольшой объем в сравнении с первичными данными.

Одним из вариантов материализованного представления данных является выборочная материализация. Не смотря на то, что выборочная материализация куба данных была подробно изучена, М. Поэсс, Б. Смит, Л. Коллар и П. Ларсон в статье «TPC-DS (Decision Support) – новый уровень поддержки принятия решения с помощь контрольных точек»1 был предложен ряд методов выбора кубов для материализации. Например, эти авторы предлагают модель решетки, в узлах которой, с помощью «жадного алгоритма», сформирован ключ выборочной материализации на основе минимального расстояния.

В качестве решения Н. Стефановик, Д. Хан и К. Коперски в своей статье выборочная материализация для эффективной реализации «Объектная пространственных кубов данных»2, предлагают подход с более глубокой степенью детализации куба пространственных данных, т.е. материализация до объектной материализацией и уровня клетки куба. Этот подход называется основывается на выборе пространственных объектов. Выборочная материализация основана на частоте доступа к наборам сливаемых пространственных областей. Если ожидается, что к данным областям будет частый доступ, требуется их предварительное вычисление.

Рассмотренные выше структуры индекса, хранят материализованные агрегаты пространственных показателей (spatial measures). Большая часть этих агрегатов являются числовыми агрегатами или простыми операциями. В этой связи появилась необходимость изучить индексы материализации для поддержки пространственно-временные показателей, например, таких как направление движения.

Poess M., Smith B., Kollar L., Larson P. TPC-DS, taking decision support benchmarking to the next level.

Stefanovic N., Han J., Koperski K. Object-Based selective materialization for efficient implementation of spatial data cubes.

Проблема выбора индекса – широко известна в мире баз данных, естественно, что она распространяется и на ХГД, где главное значение имеет эффективность поиска.

Методы, предложенные для выборочной материализации кубов пространственных данных, предполагают, существование там информации о частоте доступа к набору выбранных кубов. Необходимо предложить методы, независимые от данного предположения.

Для наглядности направления исследований по вопросу развития индексов применяемых в хранилищах геоданных приведем схему, изображенную на рисунке 1.1.

Рисунок 1.1.

Примеры применяемых в ХГД индексов

–  –  –

Агрегирование – процедура структуризации данных, заключается в конструировании объекта из других базовых объектов на основе чего, создается агрегативная модель 1, в свою очередь, агрегат – результат процедуры агрегирования. В ХД агрегат создается как обобщение свойств данных по отдельным интересующим измерениям, обычно это время и местоположение.

В ХГД агрегат создается как результат операции агрегирования фактов, при объединении областей, рассматриваемых для агрегирования. Например, вычисление всей площади объединения из нескольких областей.

Необходимо различать операции агрегирования для пространственных и непространственных данных. Операции для пространственных данных можно Поляков А.А., Цветков В.Я. Прикладная информатика: учебно-методическое пособие в 2-х частях / Под общ. ред.

Тихонова А.Н. – М.: МАКС Пресс, 2008 – 1 ч.

–  –  –

Gray J., Bosworth A., Layman A., Pirahesh H. Data Cube: a Relational Aggregation Operator Generalizing Group-by, Cross-tabs and Subtotals. – ICDE. – 1996.

Viswanathan G., Schneider M. BigCube: A MetaModel for managing multidimensional data.

Операторы, представленные в перечисленных статьях, хорошо работают с пространственными объектами, но во время агрегирования пространственных фактов требуется учитывать также существующие топологические отношения.

Это связано с возможностью возникновения проблемы двойного учета во время агрегирования. Двойной подсчет означает неправильное агрегирование показателей (measure) из-за некоторого перекрытия свойств.

Статья Б. Педерсен и Н. Трайфон «Пре агрегирование в пространственном хранилище данных»1 описывает предварительное агрегирование пространственных показателей уже с учетом данной проблемы. Предварительная обработка фактов делается для вычисления их несвязных частей. Далее предлагается классификация топологических отношений между пространственными фактами. Предварительное агрегирование работает, если пространственные свойства объектов являются дистрибутивными по некоторой операции агрегирования.

Недостатком подхода описанного в этой статье является то, что он описывает только агрегирование полигонов. Статья Н. Пелекис, Ю. Теодоридис, С. Возинакис и Т. Панайотопоулос «Hermes – структура для управления данными о местоположении»2 описывает формальную модель геометрического агрегирования. Она определяет три части: алгебраическую, геометрическую и прикладную (классический OLAP), каждая из которых поддерживает отдельные иерархии и взаимодействует друг с другом. На рисунке 1.2 показан пример этих частей.

Pedersen B., Tryfona N. Pre aggregation in spatial data warehouses.

Pelekis N., Theodoridis Y., Vosinakis S., Panayiotopoulos T. Hermes – a framework for location-based data management.

–  –  –

Дальнейшие исследования в этой области сосредоточены на проблеме многократного представления. Приведенная проблема широко известна в пространственных базах данных 1. Тот же самый пространственный объект можно рассмотреть как точку в одном приложении и как полигон в другом, либо как кубоид или многогранник в трехмерном представлении.

В случае ХГД данная проблема встает особенно остро по двум причинам 2:

интеграция данных происходит из различных источников, в которых данные представлены по-разному;

во время выполнения SOLAP операций (свертка и развертка), один и тот же уровень иерархии может иметь различное представление одного объекта.

В статье Н. Стефановик, Д. Хан и К. Коперски в своей статье «Объектная выборочная материализация для эффективной реализации пространственных кубов данных»3, проблема «двойного подсчета» рассматривалась с учетом топологических отношений между пространственными фактами, и только выполнением агрегирования по несвязанным объектам, можно уйти от проблемы неправильного агрегирования. Для трехмерных объектов проблема все равно Zlatanova S., Stoter J.E., Quak W. Management of multiple representations in spatial DBMSs.

Malinowski E., Zimanyi E. Spatial Data Warehouses: Some Solutions and Unresolved Problems.

Stefanovic N., Han J., Koperski K. Object-Based selective materialization for efficient implementation of spatial data cubes.

остается открытой из-за понятий множественного представления и топологических отношений.

OLAP инструмент – это категория инструментов СППР обеспечивающих доступ к хранилищу данных для эффективной обработки данных. Но большинство OLAP инструментов не подготовлены к анализу пространственных и временных данных.

Инструменты ГИС применяются для анализа пространственных данных, но все еще недостаточно хороши для полного функционального использования пространственно-временных наборов данных 1. В этой связи, появилась необходимость в объединении функциональности OLAP и ГИС. Таким способом можно создать новые инструменты поддержки принятия решений, лучше приспособленные к пространственно-временному исследованию и анализу данных. Эти системы называют SOLAP системы.

Классические OLAP инструменты поддерживают пространственные данные, но рассматривают пространственное измерение как любое другое, не обращая внимания на его картографический компонент, а визуализация данных не предусматривает картографической визуализации. Без демонстрации картографического материала OLAP инструментам недостает существенных свойств, которые могут помочь комплексному исследованию и анализу пространственно-временных процессов.

SOLAP инструмент – это визуальная платформа, построенная для поддержки пространственно-временного анализа и исследования данных, с помощью многомерного подхода содержащего уровни агрегирования, доступные на картах, так же как в таблицах и диаграммах 2.

SOLAP инструменты могут делятся на три категории:

инструменты с преобладанием OLAP, обеспечивающие средства агрегирования данных;

Toward better support for spatial decision making: defining the characteristics of spatial on-line analytical processing (SOLAP) // GEOMATICA. – Vol. 55. – No. 4. – 2001. – Р. 539-555.

Bdard, Y., Larrive S., Proulx M.-J., Caron P.-Y., Ltourneau F. Geospatial Data Warehousing: Positionnement technologique et stratgique // Rapport pour le Centre de recherche pour la defense de Valcartier. – 1997.

–  –  –

Paton N.W., Williams M.H., Dietrich K., Liew O., Dinn A., Patrick A. VESPA: a benchmark for vector spatial databases // BNCOD. – 2000. – Р. 81-101.

Pat O'Neil, Betty O'Neil, Xuedong Chen Star Schema Benchmark Revision. – 2009, June 5.

Siqueira T. L., Ciferri R. R., Cesrio V. Benchmarking Spatial Data Warehouses.

результаты работы запросов, таких как пересечение, ограничение распространения и вложение.

Дальнейшие исследования контрольных точек проводятся в направлениях:

контрольные точки пространственных данных – линии, полигоны с отверстиями и островами;

контрольные точки производства пространственных данных и обработки SOLAP запросов;

контрольные точки SOLAP запросов для анализа операций развертки с помощью расширенных схем ХГД.

Основной тенденцией в области разработки ХГД является создание и развитие хранилища пространственно-временных данных. Большинство сфер деятельности имеет дело с данными, обладающими пространственным компонентом, таким как адрес местонахождения. Если объединить этот компонент с временным компонентом в хранилище данных, то потенциал принятия решений на основе таких данных возрастет.

Например, запрос «Сколько объектов посещало данную область за данный период времени?» включает в себя и пространственный, и временной компоненты. Для ответа на такой вопрос, находящиеся в хранилище пространственные данные должны содержать привязку ко времени. Это позволит находить в наборе данных скрытые взаимоотношения.

Все приложения, имеющие отношение к сведениям о перемещающихся объектах, применяют пространственно-временное моделирование для анализа этих данных. Сбор и обобщение всех данных о движении объекта ведет к накоплению огромных наборов данных.

В дополнение к вышесказанному существуют сложности в вопросе временной организации данных. Во временной характеристике географических объектов применяются два понятия времени – Мировое время и Системное время1. Мировое время – это время, когда в действительности происходит Jizhou W., Chengming L. Research on the framework of spatial-temporal data warehouse.

изменение объекта, тогда как системное время это время, в которое делается запись об изменении объекта в базе данных.

В зависимости от требований приложения, пользователи могут использовать или только системное время (в ГИС), или оба времени (в хранилище данных), что усложняет приложение из-за необходимости моделировать оба типа временных измерений в ПВХД.

Хранение данных о траектории движения это ответвление

– пространственно-временного складирования данных. Для поддержки данных о траектории используются кубы пространственно-временных данных, позволяющие проводить анализ по временным, пространственным и тематическим измерениям на разных уровнях детализации.

В настоящее время существует ряд инструментов и методов хранения данных о траектории перемещения объектов.

Пространственно-временное расширение для объектноSTAU.

реляционной СУБД Oracle10g. Оно создает инфраструктуру управления данными для истории движущихся объектов MOD (moving object database).

Hermes. Это ядро базы данных для работы с объектами, которые дискретно или непрерывно во времени меняют местоположение, форму и размеры. Опытный образец был разработан как расширение STAU и поддерживал требования, предъявляемые оперативными динамическими приложениями. Hermes обеспечивает пространственно-временную функциональность современным объектно-реляционным СУБД.

GeoPKDD (Geographic Privacy-aware Knowledge Discovery and Delivery).

Хранилище данных о траектории – GeoPKSS является проектом, извлекающим знания из большого количества пользовательских необработанных пространственно-временных географических данных 1.

Хранение данных о траектории движения – важный шаг для систем поддержки принятия решений в приложениях связанных с перемещающимися Damiani, Vangenot, Frentzos, Marketos, Theodoridis, Veryklos, Raffaeta Geographic privacy aware Knowledge Discovery and Delivery. – 2007.

объектами. Это – бесконечная область, имеющая много возможностей.

Вследствие масштабируемости этого типа данных будущие исследования необходимо сосредоточить на вопросах моделирования, агрегирования и индексирования.

Будущим исследованием в этом направлении могло бы стать внедрение концепции трехмерных пространственных объектов в ХГД. Трехмерные запросы к ХГД могут быть полезны в сфере городского планирования или ликвидации последствий стихийных бедствий. Топологические отношения для трехмерных объектов могли бы включать такие отношения как INSIDE (внутри), ANYINTERACT (взаимодействие с кем-либо).

В качестве общего вывода можно сказать, что исследование ХГД не потеряли своей актуальности до настоящего времени. Например, исследования в области анализа больших данных (Big Data) содержащих пространственно-временную информацию ведутся с большей интенсивностью ввиду отсутствия сложностей со сбором информации и наличием трудностей в ее обработке.

Одновременно с возрастанием объема накапливаемых данных возрастает потребность в применении метаданных. ХГД можно рассматривать, как часть будущих исследований, учитывая их способность поддержки принятий решений с помощью существенного сжатых данных.

Раздел 2. Стандартизация метаданных в геоинформатике

В процессах информационного обмена метаданные применяются при каталогизации, учете, статистической обработке и анализе, обеспечивают возможность планирования, быстрого поиска и восстановления данных 1. В связи с этим при разработке информационных систем (в том числе ГИС) и создании пространственных данных, метаданным стали уделять больше внимания, как на этапе проектирования (создания), так и на последующих этапах разработки.

Когда говорят о метаданных в контексте геоинформатики, имеют в виду метаданные, используемые для документирования пространственных данных. А определяя термин «метаданные» (metadata) как «данные о данных», многие авторы делают оговорки, что это определение не объясняет сущности термина и не раскрывает общего смысла. Тем более в настоящее время в это понятие включены модели программных систем, и термин «метаданные» используется как эквивалент термина «модель».

В отношении метаданных предпринимаются шаги в двух направлениях — стандартизация представления (согласование и описание метаданных, различных по синтаксису и структуре) и обеспечение поддержки метаданных в информационных системах. Для решения задач стандартизации необходимо установить правила формирования и представления метаданных в пригодном для обработки и понимания виде, а также однозначного определения продукции (услуги) с необходимым и достаточным уровнем детализации. Вторая задача решается созданием стандартного модуля (программы для создания, редактирования и управления метаданными), встроенного в состав информационной системы.

ГОСТ Р 52573-2006 «Географическая информация. Метаданные».

Одно из определений метаданных – это совокупность элементов данных и спецификаций, содержащих описание данных информационной системы и процессов их обработки 1.

Для метаданных широкой сферы применения существует ряд стандартов, не связанных с пространственными данными. Знакомство с этими стандартами может оказаться полезным для связи с ресурсами, не относящимися к геоинформатике, или для интеграции их в инфраструктуру пространственных данных. Также это может пригодиться при создании баз метаданных пространственных баз данных и хранилищ геоданных.

Одним из первых стандартов в этой области стал CODASYL – язык описания данных для БД с сетевой структурой. За ним следует упомянуть стандарт языка SQL, который содержит понятие информационной схемы (совокупности представлений). Также часть стандарта объектных БД – ODMG, описывающий интерфейсы репозитория объектных схем и стандарт IRDS, позволяющий описывать системы для создания и поддержки справочников информационных ресурсов. Все они сыграли свою роль и легли в основу современных стандартов.

Учитывая большой объем и длительный временной диапазон данных, находящихся в ХД, а так же различие в стандартах разных производителей программного обеспечения возникла необходимость в метаданных и их стандартизации для ХД. В 1998 году ведущие корпорации – поставщики программного обеспечения представили в организацию OMG (Object Management Group) спецификацию стандарта «Обмен общими метаданными хранилища данных» (Common Warehouse Metadata Interchange, CWMI). Одновременно консорциум MDC (Meta Data Coalition) рассматривал, разработанный Microsoft, стандарт «Открытая информационная модель» (Open Information Model, OIM).

После слияния в 2000 году MDC и OMG была опубликована первая версия спецификации «Общая метамодель хранилища» (Common Warehouse Metamodel, CWM).

Когаловский М.Р. Метаданные, их свойства, функции и классификация // Электронные библиотеки:

перспективные методы и технологии, электронные коллекции: Труды XIV Всероссийской научной конференции RCDL-2012. Переславль-Залесский, Россия, 15-18 октября 2012. – С. 25-36.

Спецификация CWM определяет интерфейсы, используемые для обмена метаданными между хранилищами данных и аналитическими приложениями с помощью инструментальных средств ХД, программно-аппаратных платформ и баз метаданных в распределенных гетерогенных вычислительных средах 1.

CWM основывается на трех основных стандартах OMG:

стандарт «Унифицированный язык моделирования» (Unified Modeling Language, UML) применяется для объектно-ориентированного моделирования;

стандарт «Средства мета объекта» (Meta Object Facility, MOF) применяется для метамоделирования и создания баз метаданных;

стандарт «XML обмен метаданными» (XML Metadata Interchange, XMI) применяется для обмена метаданными.

Общий подход к созданию баз метаданных сформирован концепцией модельно-ориентированного подхода к разработке программного обеспечения (Model-Driven Architecture, MDA). Идея основана на использовании моделей, более высокого уровня – метауровня. После построения абстрактной метамодели управления и обмена метаданными задается способ ее трансформации в поддерживаемые технологии программирования (Java, CORBA, XML и т.п.).

Построение метамодели опирается на стандарт MOF – не зависящий от платформы, универсальный способ описания конструкций моделирования, содержащий средства для определения моделей метаданных (метамоделей), и обеспечения программных средств хранения и доступа к метаданным.

Стандарт XMI описывает обмен метаданными в формате XML. Это язык является подмножеством языка SGML (Standard Generalized Markup Language), предназначенного для хранения и обмена структурированными данными между программами. Не стоит путать SGML с языком GML (Geography Markup Language) разрабатываемым консорциумом OpenGIS как частный случай XML для представления географических объектов.

Платформа XML была разработана консорциумом W3C для Web и включает стандарты представления метаданных. К их числу относится подмножество языка

Спецификация «Common Warehouse Metamodel».

XML – определение типа документа (Document Type Definition, DTD), используемое для описания логической структуры SGML документов в частности XML-документов. На его смену пришел стандарт XML Schema, предлагающий больше возможностей для описания XML-документов. А стандарт «Структура описания ресурса» (Resource Definition Framework, RDF) определяет язык представления знаний для описания содержимого XML-документов.

Следует упомянуть также стандарт дублинского ядра (ISO 15836:2004, Information and documentation – The Dublin Core metadata element set), представляющий собой набор элементов метаданных для описания содержания документов различной природы. К сожалению, дублинская модель метаданных не дает возможности описания геопространственных ресурсов.

Все перечисленные стандарты метаданных общего назначения лишь частично подходят для документирования геоданных. На основе большого набора метаданных можно создать его упрощенное представление, а вот обратное действие невозможно. В этой связи при создании базы метаданных целесообразно применять всесторонний общий стандарт метаданных пространственной информации.

Пространственные метаданные, геометаданные (spatial metadata) – данные о пространственных данных, которые содержат, помимо общих сведений о составе, содержании, статусе (актуальности и обновляемости), происхождении, местонахождении, качестве, форматах и формах представления, условиях доступа, приобретения и использования, авторских, имущественных и смежных с ними правах на данные и т.п., специальные сведения о применяемых системах координат, позиционной точности, масштабах и других позиционных характеристиках и существенных свойствах пространственных данных 1.

Сейчас действуют три основных международных стандарта пространственных метаданных, имеющих широкий спектр применения.

1. «Стандарт содержания метаданных цифровой геопространственной информации» (Content Standard for Digital Geospatial Metadata, CSDGM). Проект



Pages:   || 2 | 3 | 4 |
Похожие работы:

«Бродский Юрий Игоревич ПРОБЛЕМА ОПИСАНИЯ И СИНТЕЗА РАСПРЕДЕЛЕННЫХ ИМИТАЦИОННЫХ МОДЕЛЕЙ СЛОЖНЫХ МНОГОКОМПОНЕНТНЫХ СИСТЕМ Специальность: 05.13.17 Теоретические основы информатики диссертация на соискание ученой степени доктора физико-математических наук Научный консультант д.ф.-м.н., член-корр. РАН, Павловский Юрий Николаевич. Москва – 2015 Оглавление Введение Глава I. Роды структур и элементы геометрической теории декомпозиции 1.1. Определение рода структуры 1.2. Примеры родов...»

«Андреева Надежда Михайловна МЕТОДИКА ИСПОЛЬЗОВАНИЯ ДОРОЖНЫХ КАРТ ПРИ ЭЛЕКТРОННОМ ОБУЧЕНИИ СТУДЕНТОВ ИНФОРМАТИКЕ (на примере экономических и биологических направлений подготовки) 13.00.02 – Теория и методика обучения и воспитания (математика, уровень профессионального образования) ДИССЕРТАЦИЯ на соискание учёной степени кандидата...»

«АКСЕНОВ Алексей Юрьевич МОДЕЛИ И МЕТОДЫ ОБРАБОТКИ И ПРЕДСТАВЛЕНИЯ СЛОЖНЫХ ПРОСТРАНСТВЕННЫХ ОБЪЕКТОВ Специальность 05.13.01 – Системный анализ, управление и обработка информации (технические системы) Диссертация на соискание ученой степени кандидата технических наук Научный руководитель: доктор технических наук, Кулешов С.В....»

«Родионова Татьяна Васильевна Исследование динамики термокарстовых озер в различных районах криолитозоны России по космическим снимкам Диссертация на соискание ученой степени кандидата географических наук по специальности 25.00.33 картография Научный руководитель: в. н. с., д. г. н. Кравцова В. И. Москва 2013 Оглавление Введение...3 1. Термокарстовые озера...»

«РОЩИН ДЕНИС ОЛЕГОВИЧ ПОТЕРИ ОТ САХАРНОГО ДИАБЕТА И ПУТИ РЕШЕНИЯ ПРОБЛЕМЫ ИХ ОЦЕНКИ 14.02.03 – общественное здоровье и здравоохранение Диссертация на соискание ученой степени кандидата медицинских наук Научный руководитель: доктор медицинских наук, профессор Т.П. Сабгайда Москва – 2015...»

«УДК 316.32 АБДУЛЛАЕВ Ильхом Заирович «ИНФОРМАТИЗАЦИЯ ОБЩЕСТВЕННО-ПОЛИТИЧЕСКОЙ ЖИЗНИ В УСЛОВИЯХ ГЛОБАЛИЗАЦИИ РАЗВИТИЯ» Специальность – 23.00.04 – Политические проблемы мировых систем и глобального развития Диссертация на соискание ученой степени доктора политических наук Ташкент – 2007 ОГЛАВЛЕНИЕ с. 3 – 15 ВВЕДЕНИЕ Глава 1. Понятийно-категориальные основы теории информационного...»

«Андреева Надежда Михайловна МЕТОДИКА ИСПОЛЬЗОВАНИЯ ДОРОЖНЫХ КАРТ ПРИ ЭЛЕКТРОННОМ ОБУЧЕНИИ СТУДЕНТОВ ИНФОРМАТИКЕ (на примере экономических и биологических направлений подготовки) 13.00.02 – Теория и методика обучения и воспитания (информатика, уровень профессионального образования) ДИССЕРТАЦИЯ на соискание учёной степени кандидата...»

«Агрова Ксения Николаевна МЕТОД, АЛГОРИТМ И СТРУКТУРНО-ФУНКЦИОНАЛЬНАЯ ОРГАНИЗАЦИЯ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ОБ УЧАСТИИ КОМПАНИЙ НА ЭЛЕКТРОННЫХ ТОРГОВЫХ ПЛОЩАДКАХ Специальность 05.13.10 «Управление в социальных и экономических системах» Диссертация на соискание ученой степени кандидата...»

«ВОРОБЬЕВ МИХАИЛ ВИКТОРОВИЧ НАУЧНОЕ ОБОСНОВАНИЕ СИСТЕМЫ ОБЕСПЕЧЕНИЯ ИНФЕКЦИОННОЙ БЕЗОПАСНОСТИ МЕДИЦИНСКОГО ПЕРСОНАЛА И ПАЦИЕНТОВ ПРИ ОКАЗАНИИ СТОМАТОЛОГИЧЕСКОЙ ПОМОЩИ 14.02.03 – Общественное здоровье и здравоохранение Диссертация на соискание ученой степени доктора медицинских наук Научный консультант: д.м.н., профессор М.А. Иванова...»

«Яковлева Татьяна Викторовна МАТЕМАТИЧЕСКИЕ МЕТОДЫ АНАЛИЗА ДАННЫХ В УСЛОВИЯХ ПРИМЕНИМОСТИ СТАТИСТИЧЕСКОЙ МОДЕЛИ РАЙСА 05.13.17 – теоретические основы информатики Диссертация на соискание ученой степени доктора физико-математических наук Научный консультант: Доктор физико-математических наук, академик А.Л.Семенов Москва – 2014 ОГЛАВЛЕНИЕ Оглавление...»

«АФАНАСОВА Елена Пантелеевна ПРОГНОЗИРОВАНИЕ РАЗВИТИЯ И ИСХОДОВ, РАЗРАБОТКА СЕТЕВЫХ И МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ ДЛЯ СОВЕРШЕНСТВОВАНИЯ ДИАГНОСТИКИ И АНАЛИЗА ТЕРАПИИ ОСТРОГО ЭНДОМЕТРИТА 03.01.09 – Математическая биология, биоинформатика (медицинские науки) Диссертация на соискание ученой степени доктора медицинских наук Научный консультант: доктор медицинских наук, профессор Агарков Николай Михайлович Курск – 2014 ОГЛАВЛЕНИЕ Стр....»

«ВОРОНЦОВ КОНСТАНТИН ВЯЧЕСЛАВОВИЧ КОМБИНАТОРНАЯ ТЕОРИЯ НАДЁЖНОСТИ ОБУЧЕНИЯ ПО ПРЕЦЕДЕНТАМ 05.13.17 теоретические основы информатики Диссертация на соискание ученой степени доктора физико-математических наук Научный консультант чл.-корр. РАН К. В. Рудаков Москва, 2010 Оглавление Введение 1 Слабая вероятностная аксиоматика 1.1 Основная аксиома............................... 15...»

«МЕЩЕРЯКОВ Олег Александрович МОДЕЛИ И АЛГОРИТМЫ МНОГОКРИТЕРИАЛЬНОГО ВЫБОРА СИСТЕМ ПЛАНИРОВАНИЯ РЕСУРСОВ АГРОПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЙ Специальность 05.13.17 – теоретические основы информатики Диссертация на соискание ученой степени кандидата технических наук Научный руководитель: доктор технических наук, доцент Чулков В.А. ПЕНЗА – 2015 ОГЛАВЛЕНИЕ ВВЕДЕНИЕ.. АНАЛИЗ ПРОБЛЕМ ИНФОРМАЦИОННОУПРАВЛЕНЧЕСКОГО...»

«КОВАЛЁВ Сергей Протасович ТЕОРЕТИКО-КАТЕГОРНЫЕ МОДЕЛИ И МЕТОДЫ ПРОЕКТИРОВАНИЯ БОЛЬШИХ ИНФОРМАЦИОННО-УПРАВЛЯЮЩИХ СИСТЕМ Специальность: 05.13.17 – Теоретические основы информатики Диссертация на соискание ученой степени доктора физико-математических наук Научный консультант: академик РАН, д.ф.-м.н. Васильев Станислав Николаевич Москва 2013 ОГЛАВЛЕНИЕ ВВЕДЕНИЕ Глава 1....»

«ЕРУСАЛИМСКИЙ ЯКОВ МИХАЙЛОВИЧ РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДОВ РЕШЕНИЯ ЭКСТРЕМАЛЬНЫХ ЗАДАЧ НА ОРИЕНТИРОВАННЫХ ГРАФАХ И СЕТЯХ С ОГРАНИЧЕНИЯМИ НА ДОСТИЖИМОСТЬ Специальность: 05.13.17 – теоретические основы информатики диссертация на соискание ученой степени доктора технических наук Ростов-на-Дону, 2015 ОГЛАВЛЕНИЕ ВВЕДЕНИЕ....»

«ЖЕЛЕЗНЯКОВ ВЛАДИМИР АНДРЕЕВИЧ Разработка методики геоинформационного обеспечения оперативного обновления электронных карт большого объёма с использованием банка пространственных данных Специальность 25.00.35 – Геоинформатика Диссертация на соискание учёной степени кандидата технических наук Научный руководитель: доктор...»

«Орлов Юрий Львович ПОЛНОГЕНОМНЫЙ КОМПЬЮТЕРНЫЙ АНАЛИЗ РАСПРЕДЕЛЕНИЯ САЙТОВ СВЯЗЫВАНИЯ ТРАНСКРИПЦИОННЫХ ФАКТОРОВ ЭУКАРИОТ ПО ДАННЫМ ИММУНОПРЕЦИПИТАЦИИ ХРОМАТИНА И ВЫСОКОПРОИЗВОДИТЕЛЬНОГО СЕКВЕНИРОВАНИЯ 03.01.09 – математическая биология, биоинформатика Диссертация на соискание ученой степени доктора биологических наук Научный консультант: академик...»

«Конорев Максим Эдуардович ВИРТУАЛЬНЫЙ ИСТОРИЧЕСКИЙ АРХИВ КАК СРЕДСТВО ИНФОРМАТИЗАЦИИ ИСТОРИЧЕСКОГО ОБРАЗОВАНИЯ ПРИ ПОДГОТОВКЕ БАКАЛАВРОВ В ВУЗЕ 13.00.02 – теория и методика обучения и воспитания (информатизация образования) Диссертация на соискание ученой степени кандидата педагогических наук Научный руководитель: доктор педагогических...»

«Шереужев Мурат Альбертович Совершенствование товародвижения на рынке подсолнечного масла Специальность: 08.00.05. – Экономика и управление народным хозяйством (экономика, организация и управление предприятиями, отраслями, комплексами: АПК и сельское хозяйство) Диссертация на соискание ученой степени кандидата экономических...»

«УДК 004.852 Шаграев Алексей Галимович МОДИФИКАЦИЯ, РАЗРАБОТКА И РЕАЛИЗАЦИЯ МЕТОДОВ КЛАССИФИКАЦИИ НОВОСТНЫХ ТЕКСТОВ Специальность 05.13.17 – Теоретические основы информатики Диссертация на соискание ученой степени кандидата технических наук Научный руководитель: д.т.н., профессор Фальк Вадим Николаевич Москва 2014 Содержание Введение 1....»









 
2016 www.konf.x-pdf.ru - «Бесплатная электронная библиотека - Авторефераты, диссертации, конференции»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.