基于NWGISS的空间信息网格节点

研究了空间信息服务节点的概念结构,分析了NWGISS的组成结构和工作机理,基于NWGISS设计了遵循OGC规范的空间信息服务节点结构和原型系统,结合SIG系统需求建立了节点实例,实验结果表明建立的数据节点可以提供有效的空间信息服务。     

科技基础条件平台空间信息服务的实现

空间信息服务节点应用在国家科技基础条件平台应用服务支撑系统中,为网络科技环境中的应用提供地图服务。文中从设计、总体架构、软件功能、实现、示范应用等方面对空间信息服务节点进行了阐述,并着莺对其中所用软件工具以及工作流程、兴趣点搜索的实现等重点进行了说明。经过近一年时间的测试运行,空间信息服务节点运行稳定,并在国家科技成果平台等系统中得到了应用。以空间信息服务方式提供地图功能,减少了数据重复采集的成本与一致性维护的复杂工作,并且能提供较好的访问效率,被证明是高效的实现方法。     

基于SIG框架的上海城市空间信息应用服务系统的体系与实现

基于空间信息网格SIG框架的上海城市空间信息应用服务系统中城市空间特征、绿化、环保、水系、土地、道路网络等各类城市空间信息资源分布在网络的不同节点上；建立了集中的元数据库提供相关数据的描述信息；以分布在不同节点上的GIS Web Service提供空间数据处理服务。平台以门户网站的方式提供元数据检索，利用检索结果获取分布式的各类空间信息数据资源；提供空间数据处理网络应用程序，调用GIS Web Service，提供格式转换、坐标转换、地图综合、空间分析等空间数据处理功能；提供GIS Web Service的搜索和注册。此平台已经在上海公务网中实际运行。     

空间信息共享平台中数据索引服务的研究*

为消除空间信息孤岛,研究开放网格服务架构,建立空间信息共享平台。用户通过平台中的网格服务透明访问虚拟组织中的数据。为提升数据索引服务的性能,提出一种改进的R树算法,在节点分裂时考虑其他节点是否有剩余空间,从而避免了频繁的分裂导致产生大量的节点。实验结果表明,与经典R-树节点分裂算法相比,改进后的节点分裂算法的空间查询性能得到提升,该研究可为空间信息全面共享提供实用可行的实施方案。     

一种基于改进蜂群算法的网络重构技术

空间信息网络在给定拓扑结构和资源受限的情况下,卫星节点间如何优化链路选择,重构网络拓扑结构,使得升级后的空间信息网络具有良好的抗毁性,是非常具有研究价值的问题.本文针对空间信网络拓扑重构问题,综合考虑卫星节点之间的可见性、可连通时间和可连通度等约束条件,建立了卫星网络拓扑链路模型和节点模型并提出基于改进蜂群算法的空间信息网络拓扑重构算法.仿真实验表明,该算法在资源受限的情况下,能够兼顾改善网络的有效性和抗毁性,有效延长网络的生存时间.     

国家级地质灾害气象预警服务模型设计与应用

国家级地质灾害气象预警服务模型是基于空间信息网格理念的六层结构模型,强调数据和计算统一抽象为资源,强调数据资源迁移和数据处理分析资源迁移的一致性。建立基于节点平均吞吐率、处理器利用率和内存占用率的节点负载指数概念,4节点负载指数样本独立性检验结果表明,节点负载差异性不显著,达到均衡目的。预警服务应用实例表明,预警服务比桌面预警系统时间效率提高40%。     

县域地理空间信息平台电子地图发布与共享的方法

电子地图在县域地理空间信息平台的建设中具有重要作用。在分析传统电子地图发布主要以文件集的形式存储于服务器的不足基础上,探讨县域地理空间信息平台将电子地图以分布形式部署到各节点服务器中,利用瓦片金字塔技术来实现县域地理空间信息平台电子地图的网络发布,以达到电子地图的快速浏览和分节点存储数据的目的。通过地图瓦片、网络服务、地理信息服务技术,建立县域地理空间信息平台电子地图服务,为平台电子地图的数据发布与共享提供技术思路。     

基于面向对象空间数据库的空间对象模型设计及其存储策略的探讨

分析空间信息的结构和面向对象数据库技术的基础上，着重讨论了如何利用面向对象数据库的技术来对空间信息进行存储，展现了利用面向对象设计建立空间信息结构模型的先进性，并针对空间信息的结构提出了在面向对象空间数据库的存储策略。一方面为面向对象空间数据库的设计与建立提供参考，另一方面，通过借鉴相对成熟的面向对象技术，为空间信息的存储管理提供了思路和策略。     

基于LEO的骨干接入空间信息网络与用频策略研究

空间信息网络利用各类空间平台来实现空间信息的实时获取、传输和处理,打破了当前多个独立系统之间资源不能共享的壁垒。立足我国空间基础设施种类繁杂、不成体系、缺少统一的通信标准、综合服务能力差、覆盖范围小的建设现状,坚持“既着眼于现有系统,又兼顾未来发展”的建设原则,在空间信息网络建设的初级阶段,设计了基于双层LEO的空间信息网络的体系架构,即将较高轨道的LEO卫星作为骨干核心网来负责骨干传输功能;将较低轨道的LEO卫星作为热点接入层来负责地面和空间业务节点的接入。同时,为未来空间信息业务提供可扩展的体系特征,譬如未来增加对GEO骨干节点的拓扑关系的考虑,从而解决空间信息网络的轨道资源问题。最后,针对空间信息网络频率资源受限的问题,提出了频率获取策略。     

空间信息框架研究

空间信息呆是空间信息基础设施建设的主要目标。空间信息框架是建立在分布式网络基础上的，有共同的几何参考坐标，有公共的基础框架信息，可支持空间数据的集成、融合和互操作，包括分布式异构的空间数据库、数据仓库和信息系统，它不量个集中式的系统，是由分布在互联网上的节点组成，在物理上是分散的，在逻辑上是一个整体，向用户提供统一的视图。     

基于服务评价管理的自组织网络数据共享机制

为了解决移动自组织网络中路由路径必须至少有一条完整路径的限制,以及数据信息的安全和共享,节点存储负载等问题,提出了基于节点疏密度的动态路由算法。并对网络中的缓存资源提出了基于服务评价管理的共享机制,使网络在节点疏密度不同时,仍然能够提供安全、优质的服务。在该机制中,当移动节点发送通信申请时,对网络中的邻域节点所持有的信息进行考核,满足通信条件的节点信息进行交互,服务结束后,参与节点对其服务进行评价,并将数据和服务评价存储于邻域节点;当节点疏密度降低时,发送代理缓存请求给就近节点,就近节点作为代理节点提供相应的数据服务;对缓存资源中服务评价低于用户安全需求的数据信息进行更新删除。该机制有效地提高了移动自组织网络的数据安全性和网络健壮性,减少了带宽通信和数据存储空间的压力。     

游戏网格服务划分算法研究*

为了充分利用游戏网格的计算资源,使用其强大的并行计算能力,部署在游戏网格的网络游戏必须要划分成可以并行的多个服务。提出了一种基于动态二叉树的游戏网格服务划分算法;讨论了如何采用二叉树的数据结构来组织服务节点并根据服务节点的负载动态调整其服务划分;最后实现一个模拟游戏网格环境,通过实验结果证明该算法可以取得良好的性能。     

A new medium access control protocol based on perceived data reliability and spatial correlation in wireless sensor network

It is well known that the data of large-scale and dense wireless sensor network has high spatial correlativity. According to the monitoring of a particular event, a new medium access control (MAC) protocol based on perceived data reliability and spatial correlation is proposed in this paper. In this protocol, a ring-shaped space correlation model is established. The nodes close to information source is attributed them high priority in access channel so as to make sure the high quality data send successfully to the sink node and increase the data transferring efficiency. The new protocol can make the received data reflect the real physical phenomenon. At the same time, it can make the data transmission of the nodes far to information source be brought down and the amount of required data nodes be reduced. So the new protocol can prolong lifetime of the whole network. Our simulation results show that the new MAC protocol can supply better network service under low energy consumption and transmission delay. This is very useful for all kinds of mobile services of Internet of Things.     

Dynamic interval-based labeling scheme for efficient XML query and update processing

XML data can be represented by a tree or graph structure and XML query processing requires the information of structural relationships among nodes. The basic structural relationships are parent-child and ancestor-descendant, and finding all occurrences of these basic structural relationships in an XML data is clearly a core operation in XML query processing. Several node labeling schemes have been suggested to support the determination of ancestor-descendant or parent-child structural relationships simply by comparing the labels of nodes. However, the previous node labeling schemes have some disadvantages, such as a large number of nodes that need to be relabeled in the case of an insertion of XML data, huge space requirements for node labels, and inefficient processing of structural joins. In this paper, we propose the nested tree structure that eliminates the disadvantages and takes advantage of the previous node labeling schemes. The nested tree structure makes it possible to use the dynamic interval-based labeling scheme, which supports XML data updates with almost no node relabeling as well as efficient structural join processing. Experimental results show that our approach is efficient in handling updates with the interval-based labeling scheme and also significantly improves the performance of the structural join processing compared with recent methods.     

基于Spark的大规模网络结构发现算法

当今社会处于大数据时代,现实中的网络数据越来越多,其结构复杂、规模庞大,有效分析其结构对了解、应用其提供的信息具有重要作用。基于混合模型的网络结构发现算法可挖掘网络中的多类型聚类结构,但不能有效处理大规模网络。基于Graph X图计算模型,提出基于Spark的大规模网络的结构发现算法LNSES,从存储空间和运行时间两方面提升算法效率。为减少网络结构发现算法存储大规模网络邻接矩阵内存耗费量,LNSES算法将边、节点及节点静态属性值进行分布式存储,边分区记录节点连边,可作为索引进行节点间参数传递。为提高网络结构发现算法效率,边分区和节点分区进行拉链操作产生索引结构;更新参数时,节点根据索引找到边分区上对应的边,并行实现节点参数更新。在真实和人工大规模网络数据集上的实验结果表明:LNSES在运行时间和网络结构识别准确度方面都要优于同类网络结构发现算法,可以对大规模网络中的结构进行挖掘分析。     

基于空间映射的顶点带属性网络的链接预测

提出了基于空间映射的顶点带属性网络的链接预测算法。顶点带属性网络包含拓扑及顶点属性两种信息,为了综合考虑这两种信息,将二者同时映射到另一空间。完成空间映射后,在新的空间计算顶点的相似度,并以此来预测链接存在的可能性。提出分步交叉迭代的方法来取得最优的映射矩阵,以在新的空间中有效融合拓扑信息与顶点属性信息。实验结果证明了空间映射方法的正确性,所提出的基于空间映射的方法能够取得较高质量的预测结果。     

图网络层级信息挖掘分类算法综述

深度学习作为人工智能的一个研究分支发展迅速,而研究数据主要是语音、图像和视频等,这些具有规则结构的数据通常在欧氏空间中表示。然而许多学习任务需要处理的数据是从非欧氏空间中生成,这些数据特征和其关系结构可以用图来定义。图卷积神经网络通过将卷积定理应用于图,完成节点之间的信息传播与聚合,成为建模图数据一种有效的方法。尽管图卷积神经网络取得了巨大成功,但针对图任务中的节点分类问题,由于深层图结构优化的特有难点——过平滑现象,现有的多数模型都只有两三层的浅层模型架构。在理论上,图卷积神经网络的深层结构可以获得更多节点表征信息,因此针对其层级信息进行研究,将层级结构算法迁移到图数据分析的核心在于图层级卷积算子构建和图层级间信息融合。本文对图网络层级信息挖掘算法进行综述,介绍图神经网络的发展背景、存在问题以及图卷积神经网络层级结构算法的发展,根据不同图卷积层级信息处理将现有算法分为正则化方法和架构调整方法。正则化方法通过重新构建图卷积算子更好地聚合邻域信息,而架构调整方法则融合层级信息丰富节点表征。图卷积神经网络层级特性实验表明,图结构中存在层级特性节点,现有图层级信息挖掘算法仍未对层级特性节点的图信息进行完全探索。最后,总结了图卷积神经网络层级信息挖掘模型的主要应用领域,并从计算效率、大规模数据、动态图和应用场景等方面提出进一步研究的方向。     

基于条件互信息和概率突跳机制的贝叶斯网络结构学习算法

贝叶斯网络分类器的精确构造是NP难问题,使用K2算法可以有效地缩减搜索空间,提高学习效率。然而K2算法需要初始的节点次序作为输入,这在缺少先验信息的情况下很难确定;另一方面,K2算法采用贪婪的搜索策略,容易陷入局部最优解。提出了一种基于条件互信息和概率突跳机制的贝叶斯网络结构学习算法(CMI-PK2算法),该算法首先利用条件互信息生成有效的节点次序作为K2算法的输入,然后利用概率突跳机制改进K2算法的搜索过程来提高算法的全局寻优能力,学习较为理想的网络结构。在两个基准网络Asia和Alarm上进行了实验验证,结果表明CMI-PK2算法具有更高的分类精度和数据拟合程度。     

基于多粒度结构的网络表示学习

图卷积网络（GCN）能够适应不同结构的图,但多数基于GCN的方法难以有效地捕获网络的高阶相似性。简单添加卷积层将导致输出特征过度平滑并使它们难以区分,而且深层神经网络更难训练。本文选择将网络的多粒度结构和图卷积网络结合起来用于学习网络的节点特征表示,提出基于多粒度结构的网络表示学习方法Multi-GS。首先,基于模块度聚类和粒计算思想,用分层递阶的多粒度空间替代原始的单层网络拓扑空间;然后,利用GCN模型学习不同粗细粒度空间中粒的表示;最后,由粗到细将不同粒的表示组合为原始空间中节点的表示。实验结果表明:Multi-GS能够捕获多种结构信息,包括一阶和二阶相似性、社团内相似性（高阶结构）和社团间相似性（全局结构）。在绝大多数情况下,使用多粒度的结构可改善节点分类任务的分类效果。