অবস্থানের সঞ্চয়স্থান এবং ক্যোয়ারী অ্যালগরিদম বোঝাচ্ছেন?


9

জিআইএস-সজ্জিত ডাটাবেসের অন্যতম গুরুত্বপূর্ণ বিষয় হ'ল এটি ব্যবহারকারীকে কিছু স্বেচ্ছাসেবী ভৌগলিক অঞ্চলে যে সমস্ত অতিরিক্ত মানদণ্ডের সাথে মেলে সেগুলির মধ্যে সমস্ত পয়েন্টের জন্য দ্রুত জিজ্ঞাসা করার ক্ষমতা সরবরাহ করে। (উদাঃ "আমাকে একটি মানচিত্রে এই স্থানে নিকটতম 3 রেস্তোরাঁ সন্ধান করুন।")

কেউ কি আমাকে জড়িত অ্যালগরিদমগুলির একটি তাত্ত্বিক আলোচনার দিকে নির্দেশ করতে পারেন? তারা কীভাবে কাজ করে তা আমি শিখতে চাই।

শেষ পর্যন্ত, আমি সংখ্যাসূচক তথ্যগুলির সাধারণীকৃত সেটগুলিতে একই ক্ষমতা প্রয়োগ করতে চাই - একটি স্বেচ্ছাসেবী, এন-ডাইমেনশনাল, অ-ইউক্লিডিয়ান স্পেসে পয়েন্টের একটি বিশাল মেঘ। উদাহরণস্বরূপ, কোনও ব্যক্তির মুখ সংখ্যার ভেক্টর হিসাবে চিহ্নিত করা যায়: [চোখের মধ্যে দূরত্ব, চোখ থেকে মুখের দূরত্ব, মুখের প্রস্থ, মুখের দৈর্ঘ্য ইত্যাদি]। আমি ফুটপাতের ট্র্যাফিক ফিল্ম করতে চাই, প্রতিটি ব্যক্তির মুখোমুখি হওয়া বৈশিষ্ট্যগুলি অনুমান করতে এবং তারপরে "এই ব্যক্তির মুখ দেওয়া, আমাকে একই সাথে 100 টির মতো অনুরূপ মুখের সন্ধান করুন" এর মতো ডেটাতে অনুসন্ধান করতে সক্ষম হবো।

বর্তমানে কোনও বিদ্যমান সফ্টওয়্যার রয়েছে যা এই সাধারণীকৃত জায়গাগুলি অনুসন্ধান করার ক্ষমতা সরবরাহ করে?

উত্তর:


4

2 এবং 3 মাত্রায় অ্যালগরিদমের ভাল অ্যাকাউন্টগুলি প্রেপারটা এবং শমোসের ক্লাসিক পাঠ্যে প্রদর্শিত হয় । জিআইএস-এ ব্যবহৃত অ্যালগরিদম হানান সামেতের বিশেষত্ব , যিনি এই বিষয়টিতে বেশ কয়েকটি বই প্রকাশ করেছেন।

উচ্চতর মাত্রিক অনুসন্ধানগুলি সাধারণত প্রাথমিক ডেটা মাইনিং, ক্লাস্টারিং বা মাত্রা হ্রাস কৌশলগুলির সাহায্যে সহায়তা বা গতিবেগ হয়। এটি জিআইএস নয়, ডেটা বিশ্লেষণ এবং পরিসংখ্যানের বিষয়, যা প্রকৃতিগতভাবে ইউক্লিডিয়ান চারটি মাত্রার মাধ্যমে একটিতে অনুসন্ধানকে কেন্দ্র করে। আরও তথ্যের জন্য, ক্লাস্টারিং , মাত্রিকতা হ্রাস এবং বহুমাত্রিক স্কেলিংয়ের মতো সম্ভাব্য পদগুলির জন্য এবং পিসিএ (মূল উপাদানগুলির বিশ্লেষণ) এবং এসএমএম (সমর্থন ভেক্টর মেশিনগুলির) মতো কম স্পষ্টত ব্যক্তির জন্য আমাদের বোন ফোরাম stats.stackexchange.com অনুসন্ধান করুন । বিদ্যমান সফ্টওয়্যার সম্পর্কে জিজ্ঞাসা করার জন্য এটিও ভাল জায়গা।


4

ক্লাসিক (প্যালিওজিওগ্রাফার) উত্তরটি হ'ল ডেটা সংরক্ষণ করার জন্য কেডি ট্রি ব্যবহার করা (দেখুন http://en.wikedia.org/wiki/Kd-tree )। এগুলি গাছের নীচে নামার সাথে সাথে প্রতিটি মাত্রায় দুটি পার্টিশনে মোটামুটি তথ্য অর্ধেক রেখে কাজ করে। তাদের সুবিধাটি হ'ল আপনি নিকটতম আইটেমটি খুঁজে পাওয়ার সাথে সাথে আপনি অতিরিক্ত ব্যয় ছাড়াই নিকটস্থ আইটেমগুলির একটি তালিকাও তৈরি করতে পারেন, সুতরাং তিনটি নিকটতম রেস্তোরাঁগুলি কী কী তা উত্তর দেওয়া নিকটতম হিসাবে পাওয়া সহজ।

আমি কোথাও পড়েছি যে eHarmon 14 মাত্রায় "সামঞ্জস্যপূর্ণ মিল" সন্ধানের জন্য কেডি গাছ ব্যবহার করে।


+1 একটি দক্ষ অনুসন্ধান পদ্ধতির সংক্ষিপ্ত পরিষ্কার বিবরণ সুন্দরভাবে সম্পন্ন হয়েছে।
হোবার

2

আমি শুনেছি যে নেটিজা কিছু অভিনব স্থানিক সমান্তরাল প্রক্রিয়াকরণ অ্যালগরিদম বাস্তবায়ন করেছে । শ্বেতপত্র এখানে রয়েছে

নেটিজার অ্যাসিমেট্রিক ম্যাসিভলি প্যারালাল প্রসেসিং আর্কিটেকচারটি প্রতিযোগিতামূলক মাল্টিপ্রসেসিং (এসএমপি) এবং ব্যাপকভাবে সমান্তরাল প্রক্রিয়াকরণের (এমপিপি) সর্বোত্তম সংমিশ্রণ সরবরাহ করে, তেরাস্কেলকে সহজতর করে, traditionalতিহ্যবাহী সিস্টেমগুলিতে প্রয়োজনীয় জটিলতা, সুর এবং সংহতকরণ ছাড়াই উভয় স্থানিক এবং অ-স্থানীয় ডেটাগুলির জটিল কোয়েরি প্রসেসিংয়ের সুবিধা দেয়।

হালনাগাদ

আমি যে Netezza প্রচন্ডভাবে লিভারেজ উল্লেখ করতে ভুলে গেছি বায়েসের উপপাদ্য । এখানে ভিডিওর একটি সংগ্রহ এর এখানে

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.