面向OWS地理信息服务的描述词汇约简模型研究

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (20): 126-130.

• 数据库、数据挖掘、机器学习 • 上一篇下一篇

面向OWS地理信息服务的描述词汇约简模型研究

胥婕1，2，苗立志1，3，程文超4，周亚4

1.南京邮电大学地理与生物信息学院，南京 210023
2.上海计量测试技术研究院，上海 201203
3.南京邮电大学地理信息与生物信息处理研究所，南京 210023
4.南京邮电大学通信与信息工程学院，南京 210003

出版日期:2015-10-15 发布日期:2015-10-30

Description vocabulary reduction model oriented OWS geographic information services

XU Jie1，2, MIAO Lizhi1，3, CHENG Wenchao4, ZHOU Ya4

1.College of Geographical and Biological Information, Nanjing University of Posts and Telecommunications, Nanjing 210023, China
2.Shanghai Institute of Measurement and Testing Technology, Shanghai 201203, China
3.Institute of Geographical and Biological Information Processing, Nanjing University of Posts and Telecommunications, Nanjing 210023, China
4.College of Telecommunications & Information Engineering, Nanjing University of Posts and Telecommunications, Nanjing 210003, China

Online:2015-10-15 Published:2015-10-30

摘要/Abstract

摘要： 地理信息服务在发展进程中缺乏对服务信息的语义描述，处于数据丰富而知识缺乏的境地，要充分利用大量的已有数据信息，则必须对数据做一些精化处理，就迫切需要一种从大数据量中发现、提取知识的有效方法。该研究以OGC网络服务（OGC Web Service，OWS）为研究对象，基于OWS服务的XML文档和描述词汇，对搜集到的OWS服务进行解析，并引入粗糙集理论的约简方法，建立面向OWS服务的描述词汇约简模型，从而对解析后的OWS服务进行约简，最终形成OWS服务最优描述词汇集，为后续OWS语义推理奠定基础。

关键词: 地理信息服务, 粗糙集理论, 描述词汇, 约简, 语义推理

Abstract: This paper aims for developing a description vocabulary reduction model, based on rough set reduction and OGC（Open Geospatial Consortium） web services, to solve the plight of mass data but the dearth of knowledge in geographic information services. On the basis of XML documents in OWS services and description vocabulary, OWS services samples can be parsed. The reduction method of RS theory is utilized to establish the description vocabulary reduction model oriented OWS services, which can implement reduction for parsed OWSs. And also, an optimal description vocabulary set finally is generated, building up foundation for further research：OWS semantic reasoning.

Key words: geographic information services, rough set theory, description vocabulary, reduction, semantic reasoning

胥婕1，2，苗立志1，3，程文超4，周亚4. 面向OWS地理信息服务的描述词汇约简模型研究[J]. 计算机工程与应用, 2015, 51(20): 126-130.

XU Jie1，2, MIAO Lizhi1，3, CHENG Wenchao4, ZHOU Ya4. Description vocabulary reduction model oriented OWS geographic information services[J]. Computer Engineering and Applications, 2015, 51(20): 126-130.

[1]	代琪，李敏，刘洋，李丽红. 模糊层次商空间的快速属性约简算法[J]. 计算机工程与应用, 2021, 57(4): 55-60.
[2]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[3]	张呈玲，李进金，林艺东. 基于OE-概念格的形式背景属性约简[J]. 计算机工程与应用, 2021, 57(15): 82-89.
[4]	刘桂枝. 维度变化的不完备混合型数据增量式属性约简[J]. 计算机工程与应用, 2021, 57(12): 161-169.
[5]	张博，贾华宇，马珺. RS-GA神经网络无人机受风情况估计[J]. 计算机工程与应用, 2020, 56(4): 209-213.
[6]	牟恩，张贤勇，姚岳松，邓切. 邻域近似条件熵的特定类属性约简及启发算法[J]. 计算机工程与应用, 2020, 56(24): 175-180.
[7]	覃凤婷，杨有龙，仇海全. 基于稀疏子空间的局部异常值检测算法[J]. 计算机工程与应用, 2020, 56(19): 152-159.
[8]	李旭，荣梓景，任艳. 带权决策表的属性约简[J]. 计算机工程与应用, 2020, 56(12): 54-59.
[9]	陈盼盼，林梦雷. 基于包含度的单值中智决策信息系统属性约简[J]. 计算机工程与应用, 2020, 56(12): 175-181.
[10]	任俊1，唐绮雯1，徐怡2，胡善忠2. 大学生贫困资助评定的多粒度粗糙集研究[J]. 计算机工程与应用, 2019, 55(7): 82-86.
[11]	邬阳阳，汤建国. 大数据背景下粗糙集属性约简研究进展[J]. 计算机工程与应用, 2019, 55(6): 31-38.
[12]	杨珍，耿秀丽. 考虑多粒度属性约简的关联规则挖掘研究[J]. 计算机工程与应用, 2019, 55(6): 133-139.
[13]	李云，马英红. 基于属性约简集评价节点重要性研究[J]. 计算机工程与应用, 2019, 55(5): 149-158.
[14]	李旭，李前辰. 一种变精度约简转化为正区域约简的方法[J]. 计算机工程与应用, 2019, 55(17): 51-54.
[15]	任晓霞1，薛凡2，3. 基于模糊邻域粗糙集的启发式属性约简算法[J]. 计算机工程与应用, 2018, 54(9): 47-53.

面向OWS地理信息服务的描述词汇约简模型研究

Description vocabulary reduction model oriented OWS geographic information services

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics