天然林资源保护工程GIS信息管理系统（以下简称《天保GIS系统》）是以基层林业单位林业技术管理的特点，会聚林业政策、林业技术、天保技术、计算机等方面的专家、管理人员与技术人员多方探讨、论证，以森林资源管理模式为基础、以天然林资源保护为核心的基于3S技术的天然林资源保护工程信息管理系统（以下简称天保GIS信息管理系统）。 本系统能把天保工程管理的各类动态、静态的数据与地理信息有机地结合起来形成空间数据库，并利用网络技术、数字化三维技术和多媒体技术等，来对天然林资源保护工程以及森林资源管理过程中的数据进行采集、存储、编辑、转换、分析，并能根据工作需要方便快捷地输出各种地理图形及管理表格。 系统的开发主要针对天然林保护工程的管理需要，也可用于森林资源管理下的森林资源监测、护林防火、森林病虫害、森林资源建档、天保工程档案管理以及森林规划建设等工程项目等方面。本系统的开发成功，标志着我省数字林业、数字化天保向前迈出了坚实的一步，为实现林业科学管理、科学决策打下了扎实的基础。 -project for the protection of natural forest resources GIS information management system (hereinafter referred to as "Tianbao GIS") is based layer forestry units forestry technology management features, the convergence of forestry policy, Forestry, Natural Forest Protection technology, computers and other experts in the field management and technical staff to explore various, demonstration, forest resource management model as the basis, to protect forest resources for core-based 3S technology project for the protection of natural forest resources information management system (hereinafter referred days Bao GIS information management system). The system can manage the Natural Forest Protection Project various dynamics, static data and geographic information organically combine to 下载
|
数据挖掘(DATA MINING )就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程，故又称为数据库知识发现.被信息产业界认为是数据库系统最重要的前沿之一，是信息产业最有前途的交叉学科。关联规则在数据挖掘是一个重要的研究内容，而频繁项目集的发现在关联规则的提取中占着主导地位。自从Apawal等人于1993年提出频繁模式挖掘问题以来[1]，许多研究都是采用基于Apriori的候选集产生—验证的迭代方法，在候选集中找出频繁项集，虽然已经提出了许多行之有效的技术来进行频繁模式挖掘，如引入候选杂凑树(Candidate Hash Tree)[2]、动态杂凑和修剪(DynamicHashing and Pruning)[3]、划分(Partion)[4] 等方法可以较快地找出频繁项集，并导致较好的性能。-Data Mining (DATA MINING) is from a large number of incomplete, noise and blurring, random data, extraction implied in which the people do not know in advance, but is potentially useful information and knowledge of the process, it is also known as knowledge discovery in databases. By letter Coupon industry that the database system is the most important one in the forefront of the information industrys most promising interdisciplinary. Association rules in data mining is an important content, and frequent item sets found in the extraction association rules occupy the dominant position. Since Apawal others in 1993 made frequent pattern mining issues since [1], many studies are based on the candidate sets Apriori have-iterative method of verification, the candidate focused identify frequ 下载
|