地理空间大数据分析:方法与应用  081002M06012H

学期:2020—2021学年(春)第二学期 | 课程属性:专业研讨课 | 任课教师:付琨
授课时间: 星期二,第5、6、7 节
授课地点: 学园二318
授课周次: 9、10、11、12、13、14、15、16
课程编号: 081002M06012H 课时: 20 学分: 1.00
课程属性: 专业研讨课 主讲教师:付琨 助教:孙显
英文名称: Analysis on geographical spatial big data: method and application 召集人:

教学目的、要求

本课程以专题形式,系统阐述地理空间大数据处理、分析及应用的体系架构和前沿理论,内容包括:地理空间大数据的概念、体制、规范,面向应用的IT基础设施,数据组织管理,数据挖掘与可视化等。实验部分安排地理空间大数据典型应用案例的实践。

预修课程

图像处理、遥感原理

教 材

主要内容

第一章、地理空间大数据的概念、体制、规范(3课时)
1.1 地理空间大数据的概念
1.1.1 大数据发展现状
1.1.2 地理空间信息发展历程、问题和挑战
1.1.3 地理空间大数据基本概念
1.2 地理空间大数据分析的框架构成
1.2.1 地理空间大数据特点
1.2.2 大数据的基础设施(数据获取、存储、计算)
1.2.3 大数据分析的方法体系(数据挖掘及可视化)
1.3 地理空间大数据的应用案例
1.3.1 日常生活
1.3.2 国民经济
1.3.3 国防建设

第二章、面向应用的IT基础设施(3课时)
2.1 基本数据类型介绍
2.1.1 静态数据
2.1.2 动态数据
2.2 常用存储技术介绍
2.2.1 关系型数据库
2.2.2 分布式文件系统
2.2.3 分布式数据库
2.2.4 内存数据库
2.2.5 BigTable……
2.3 统一IT基础设施
2.3.1 存储方案选择
2.3.2 分布式计算
2.3.3 数据服务协议和标准
2.3.4 安全和权限

第三章、数据组织管理(3课时)
3.1 数据预处理
3.1.1 数据清洗
3.1.2 数据标记
3.2 数据组织
3.2.1 统一时空基准
3.2.2 数据编码、分层与索引
3.3 数据关联
3.3.1 关联模型
3.3.2 图数据库

第四章、数据挖掘(3课时)
4.1 统计分析方法
4.1.1 特征表达与计算
4.1.2 学习与分类模型
4.2 目标要素智能提取
4.2.1 目标检测识别
4.2.2 文本要素提取
4.2.3 信号匹配识别
4.3 规律分析与趋势预测
4.3.1 大数据并行分析计算
4.3.2 多维度融合解译

实践课程一、基于深度学习的数据分析(2.5课时)
SJ1.1:大数据分析与深度学习理论
SJ1.2:深度信念网络(Deep Belief Network)实现与讲解
SJ1.3:遥感大数据解译基本流程设计与实践

第五章、数据可视化(3课时)
5.1 渲染引擎构建
5.1.1 坐标系统和坐标转换
5.1.2 网格构建和LOD模型
5.1.3 图像和仿真
5.1.4 摄像机和操作器
5.2 可视化形式和方法
5.2.1 矢量和标注标绘
5.2.2 专题图
5.2.4 动态数据可视化
5.3 可视分析技术
5.3.1 专题图可视分析
5.3.2 轨迹数据可视分析

实践课程二、基于图模型的数据组织和可视化(2.5课时)
SJ2.1:图模型理论与图数据库构建方法
SJ2.2:基于图模型的态势数据组织关联实现与讲解
SJ2.3:态势数据可视化设计与实践)

参考文献

《高分辨率遥感图像理解》
《地理信息系统理论与应用丛书》
《数据挖掘:概念与技术》
《计算机视觉:算法与应用》
《大数据丛书:数据可视化》