Питенко А.А. Нейросетевой анализ в геоинформационных системах. Красноярск,
2000.
Представленная в работе
технология нейросетевого анализа в ГИС предназначена для решения широкого
спектра задач, связанных с анализом и прогнозом явлений и
событий окружающего мира, с осмыслением и выделением
главных факторов и причин, а также их возможных последствий, с планированием стратегических решений и текущих последствий
предпринимаемых действий.
Разработанные в рамках
технологии методы ориентированы на следующие применения:
· автоматизированное построение
нейросетевых блоков для решения задач оценки, диагностики и прогнозирования на основе эмпирических данных
в составе существующих геоинформационных систем;
· построение и исследование нейросетевых
моделей решения задач анализа данных в ГИС;
· представление и анализ средствами ГИС
многомерных данных произвольной природы.
7 |
|
1.1. ГИС среди информационных технологий
` . |
7 |
1.2. Классификация в ГИС. |
8 |
1.2.1. Классификация ` |
9 |
1.2.2. Районирование и типология |
10 |
1.2.3. Временные характеристики . |
10 |
1.3. Трудности в классификации географических комплексов
. |
10 |
1.3.1. Местоположение географических явлений и пространственные особенности |
11 |
1.3.2. Плохая формализация. |
11 |
1.3.3. Лишние данные и различная степень значимости исходных показателей |
12 |
1.3.4. Признаки разной природы |
12 |
1.3.5. Несоответствие модели решаемой задаче . |
13 |
1.3.6. Нормировка исходных показателей |
13 |
ИНС и ГИС |
13 |
15 |
|
2.1 Введение в ГИС |
15 |
Данные |
16 |
Объекты |
16 |
Слой |
16 |
Объект слоя. |
16 |
Легенда карты |
16 |
Карта.
|
16 |
2.2 Модели ГИС |
17 |
Растровые модели |
17 |
2.3 Основные идеи метода анализа данных в ГИС с помощью
искусственных нейронных сетей. |
19 |
Обобщение задач |
19 |
Формальная постановка |
20 |
2.4. Аналитические задачи в ГИС, решаемые с помощью
искусственных нейронных сетей |
21 |
Построение (дополнение) слоя |
21 |
Восстановление легенды слоя. |
22 |
Районирование и типология |
23 |
Создание моделей поверхностей . |
23 |
Интерполяция и прогнозное картирование . |
24 |
Временной анализ |
24 |
Выбор значимых признаков |
25 |
2.5 Основные идеи визуализации и анализа данных
произвольной природы. |
25 |
Описание задачи |
26 |
Объекты метода |
27 |
32 |
|
3.1. Методы нейросетевого анализа связей между слоями. |
32 |
3.1.1. Проблема построения и использования нейросетей в Геоинформационных системах. |
32 |
3.1.2. Технология построения нейросетевых моделей в составе Геоинформационной системы |
36 |
3.1.3. Задачи для нейронных сетей . |
50 |
3.2. Программные средства и примеры использования
. |
52 |
3.2.1. Реализация программного комплекса для нейросетевого анализа данных в ГИС |
52 |
Программная реализация системы |
56 |
3.2.2. Решение задачи восстановления пропусков |
57 |
66 |
|
4.1. Упругие карты . |
66 |
4.1.1. Введение. |
66 |
4.1.2. Постановка задачи |
68 |
4.1.3. Построение упругой карты. |
70 |
4.1.4. Проектирование многомерных данных на двумерную сетку |
71 |
4.1.5. Использование карты для анализа распределения данных . |
74 |
4.2. Применение методов визуализации произвольных данных к картографированию экономических таблиц
. |
75 |
4.2.1. Раскраска по признакам . |
76 |
4.2.2. Раскраска по плотности данных |
77 |
4.2.3. Восстановление данных, регрессия и прогноз. |
79 |
4.2.4. Проблема экстраполяции |
82 |
4.3. Применение технологии для визуализации и анализа
|
82 |
Атлас №1, №2 информационных раскрасок |
84 |
Атлас информационных раскрасок №1
|
86 |
Атлас информационных раскрасок №2
|
87 |
88 |
|
89 |