云计算的主要技术特征范文篇1

关键词：云模型数据挖掘可视化

中图分类号：TP311文献标识码：A文章编号：1007-9416（2013）07-0065-01

随着信息呈爆炸式趋势增长，人们急需从不同角度对海量信息进行解读，使数据挖掘需求日盛。然而，传统数据挖掘方式各有弊端，云计算方式成为必然选择，基于云模型的数据挖掘技术研究也成为重要课题。

1云计算与云模型

云模型模型数字特征示意图如图1。其中Ex能够代表定性的概念，反映云滴群的云重心。En可以反映概念的模糊度，以及一定程度上表明模糊度与随机性的关联度。He是直接反映云的集中程度，用以表示空间中所有点的凝聚程度，在云模型中称之为熵。

2云模型数据挖掘分析

（1）云模型数据挖掘的特点优势。

（2）云模型下的可视化技术。

云模型始终属于较为抽象的概念，主要将模型具体化，利用图形、图像等形式，并通过一定技术手段表现出来。如图2所示，都可以表示数据的不确定性。

可视化是通过云发生器来实现的。发生器有正向与逆向之分，正向发生器基于三个特征数字来实现可视化，根据三个特征数字产生云滴，近而累积成云；逆向发生器基于数据开发挖掘云模型的三个特征数字，是定量到定性的映射，在此基础上进一步反映整个云滴的整体。

3基于云模型的数据挖掘技术

通过以上对云模型特征数字的分析，可以通过参数的使用分析，构建特征空间和概念空间。概念空间是从同一属性角度来集合不同的概念，而特征空间则是通过集合不同的属性来描述实体。云模型中云滴的分布会形成一个空间，在概念空间里云滴会构成一个等势线，称其为概念层次。同样，在特征空间中也会有概念层次，代表着实体的等势层次。

在概念空间中，每个数据都会在云模型中形成一个云滴，众多云滴构成一个空间。但是每个数据的权重、影响力可能不一样，模型中从云滴的位置以及云滴的亮度来表征这个问题。云滴的位置越靠近云重心、云滴越亮则云滴的影响力越大。在概念空间中，可以选择不同的角度来分析空间数据，而选择角度不同就是选择不同的函数来计算点势。图3为概念空间的等势线与等势面举例。

概念空间基于对概念的分析归类。不同的概念之间应该有着众多关系类型，诸如包含、从属、等价、相似等等。通过数据场的交互作用而构成泛概念树。云模型中的泛概念树区别于一般意义上的概念树，可以拥有多个父节点。泛概念树的组成情况可以因为不同的属性集合、实体群组合状态等的不同而不同。

在特征空间中，其等势的思想方法与概念空间中相似，两者的区别就在于特征空间以实体为基本的空间点，概念空间则是从属性角度出发表达概念。当问题集中在讨论空间实体的特征时，常常用特征空间加以表示。从特征空间角度对实体进行研究，其空间粒度与空间范畴将变得更大。特征空间所描述的实体的特征将构成一个多维的空间。通过把实体的多种属性以某种方式投射到空间中，形成一个特征点，累积下来就完成了特征空间的构造过程。随后进行数据分析，通过数据空间点所呈现出来的特性进行数据挖掘，这些特征包括点的整体抱团聚类、势的特征等等。普通的分析方式对于数据聚类的分析往往采用练习数据集归类和测试方法的有效性两部分，但是两部分数据的选取原则与选取标准仍然不够完善，并且对数据的不同权重也没有足够的关注。因此在特征空间中得到数据分析聚类结果更可靠。

总之，基于云模型的数据挖掘，结合不确定性推理和云变换共同实现挖掘技术。通过云滴模型的构建，能够具备三个特征参数值，能够反映云模型的中心值、模糊度、离散度等模型特征。从模型特征又可以进一步对实体的定性问题、概念模糊度、随机度等进行分析。云模型技术能够很好地进行定性概念与定量数据间的映射。数据挖掘则可以通过不同势层的表征，结合不同观察角度来实现信息的过滤和提取。基于云模型的数据挖掘技术以其高存储性能和超强计算能力日益得到广泛的应用，技术上的深入研究也显得紧要而迫切。

参考文献

[1]巩华荣，何佳.空间数据挖掘技术的研究与发展[J].测绘与空间地理信息，2007（05）.

云计算的主要技术特征范文

关键词：激光扫描仪监控量测信息化

目前我国的隧道变形监测方法一般采用手工作业模式，监测量需多名监测人员同时作业，由于监测项目多、线路长、测点多、观测频繁和数据量大，使得监测数据处理、分析和资料管理等工作滞后，不能及时快速地反馈监测信息，指导隧道信息化施工，严重的影响了隧道等地下工程的监测工作开展和技术的发展。随着隧道及地下工程修建技术不断提高，信息化施工已成为地下工程发展的必然趋势，三维激光扫描技术可以实时、准确、全方位获取隧道空间变形数据，进行隧道施工变形分析和反分析，对隧道施工进行风险预警预报，指导隧道信息化施工，也必将成为隧道监控量测的主要发展方向。

1点云数据的获取

隧道工程为一狭长结构，施工安全步距一般为几米至几十米，三维激光扫描仪的点云扫描密度是随着扫描距离的增加而下降的，所以在隧道有限的管状空间内，为了保证有充足的点云数据用于提取隧道的形变信息，通常每个测站所获取的点云数据中有效范围只有几十米，这是隧道特殊结构下不可避免的特殊问题。采用三维激光扫描技术进行隧道监控量测时需通过分站式扫描才能采集全部数据。为了使监测数据连续可靠，扫描数据必须有一定的重合度，即保证点云数据拼接过程中每两个测站间的公共部分，监测时需根据隧道断面尺寸大小，每隔一定距离设置一个测站，在两站间的衔接部分设置用于不同测站数据拼按的控制点，为了保障数据的拼接质量一般在每两个测站间的隧道内壁上均匀布设5～6个（不少于3个）反光靶（球），在地面上布设3～4个反光靶（球），三维扫描仪监测数据分别在以各站站点为原点的独立坐标系中，以此分析隧道变形时需要对各测点数据进行拼按，在数据拼按时将第一站作为基准站，其后每一站分别与相邻的前一站作拼按，前后测站间首尾相连。

2点云数据拼接方法与分析

隧道监测区段的数据采集过程中需对隧道进行分站式扫描，监测时既要保证扫描数据的精度，也要有足够的控制点和扫描数据的重合度才能保证点云数据的拼接精度，保证点云数据的拼接质量和拼接精度是掌握隧道等地下工程变形和施工安全的前提，所以要尽量提高点云数据的质量，减小拼接误差。

点云数据拼按是按照一定的数学法则，求取相邻测站所在独立坐标系统之间的转换参数，通过刚体变换、平移的旋转等数学方法，将所有测站点的点云数据几何信息统一到同一个三维空间坐标系下，转换过程不能对点云数据进行任何扭曲和缩放，以保证点云数据的几何信息无缝连接，不产生任何变形。

点云数据拼按主要采用以下方法：（1）基于控制点三维坐标的点云拼接，该方法采用全站仪和GPS等测量拼接区域的控制点的三维坐标，然后各控制点坐标对各测站的点云数据进行拼按，方法简单，拼接精度依赖于控制点测量精度；（2）基于测量表面贴附标记点的方法，该方法在要扫描的目标区域的内部或周围两站或多站公共扫描目标区域放置三个以上的标靶，扫描并获取扫描区域的三维点云数据，计算两组相邻区域点云数据间的拼按变换参数，拼按精度受标记点数量和位置影响；（3）基于特征点云的混合拼按，该方法要求扫描实体时要有一定的重合度，拼接精度主要依赖于拼按算法，可分为基于点信息的拼接算法、基于几何特征信息的拼按算法、动态拼接算法和基于影像的拼按算法等。

3混合拼接方法主要如下几种

3.1基于点信息的迭代拼接方法

基于点信息的迭代拼接方法（ICP）是提出最早也是最为经典的点云拼按方法，经过20多年的发展已成为点云配准中的主流算法，是点云配准研究的开创性工作，也是后续基于迭代的配准算法的理论基础和框架，该算法是由Besl和Chen分别提出的，Besl使用参数是点点距离，而Chen使用参数是点面距离，其原理都是基于最小二乘法算法的最优匹配方法，重复进行配准，确定最优刚体变换参数，迭代计算至误差收敛。

3.2基于几何特征信息的预处理拼接方法

所谓基于几何特征的拼按，就是根据三维实体几何形状特征进行拼接，分为整体拼按、曲面特征拼接和点信息特征拼接等算法，整体拼接算法通常用于预拼接，通常与ICP算法一起来完成拼按整个过程，首先以点云数据中的特征点几何信息进行粗略拼按，再进行迭代处理，拼接效率较高。根据曲率特征拼接的算法最能准确反映出三维实体的表面几何特征信息，拼接过程简单，整体精度较高；利三维实体的特征点信息或特征线信息进行拼按的方法是曲面特征拼按方法的补充，一般适用于小范围的点云数据拼接，且需要有某些先验知识。

基于几何特征信息的预处理拼接算法的总体思路是相同的，根据拼按时所选择实体的几何特征拼接方法分为如下几种：①曲面法向矢量法，其主要特征是对要拼按的两组点云数据，计算出测点及其邻域点每个点的曲面法向矢量，按法向矢量方向进行拼按。②曲面曲率法，其主要特征是根据点云数据计算出各个测点的曲率，根据测点的曲率大小将相同的点集合进行配准。③几何哈希方法，其主要特征是首先将每个点对的法向映射为三维空间变换，把点对法向一的集按照数学法则进行拼接，再进行点云数据迭代运算进行拼按。④ICP算法迭代法，其主要特征是找出几何特征信息，采用ICP算法进行预拼接，并以算计结果为基础，把上次拼接点对集合再运用ICP算法进行二次拼按，经过多次迭代计算，实现点云数据的精确拼接。

3.3多条件动态拼接方法

动态拼接是指对运动和形变的采样点，在不同的帧之间根据运动学原理完成插值拼接。在该拼接模式下对三维实体的数据获取采用的是旋转式扫描法，其特征是扫描仪固定在站点，三维物体沿着中轴线旋转，扫描方式得到多帧组成的点云数据，通过相邻帧之间相互关系，由旋转速度计算得出每一帧的旋转夹角来进行拼接，是特殊条件下的一种拼接方法。

2004年NiloyJ，Mitra提出了一种新的动态拼接算法，对采样线的点进行光顺，其中整体的误差最小，并得到了比较好的效果。

3.4基于影像的拼接方法

在点云数据拼按时借助于数字图像处理技术，利用计算机数字融合技术和逆向工程理论在立体像对上自动搜索同名像点，并进行同名点自动识别，根据拼按的基元分为基于灰度的拼接算法和基于几何特征的拼按算法二种，其中：基于灰度拼接算法技术较为成熟，拼接精度较高，主要特征信息为图像灰度特征，强调光强和对比度，对其他信息顾及较少，拼接结果容易出现错误，影响成果鉴定的使用；基于几何特征的拼接算法通常利用Harris算法进行角点检测，然后利用归一化相关法进行匹配，从而得到匹配点对，可有效地提高了图像拼接的精度和速度。

4点云数据拼接方法存在问题与改进

目前国内外点云数据拼接方法均基于ICP算法，第一步先确定对应点集，然后根据对应点集确定点云间对应的坐标变换矩阵，再进行迭代计算直至满足精度要求为止。该方法中确定对应点集是决定算法的关键问题，也决定的了收敛的速度和拼接的精度，无论对应点集是点到点的距离还是点到面的距离，要计算过程中都容易产生对点错误，影响点云拼按的质量和速度。

1998年dorai等提出了用候选对应点到点距离约束来减小对应点对的方法，2002年sharp等人又提出了利用被测物体表面的特征不变量来确定对应点对的方法，结合点对之间的共线约束和临近性约束来排除错误对应点，从而提高了对应点的正确性，使点云拼接质量得到大大的提高。

5结语

三维激光扫描测量产生误差的原因主要有仪器本身的误差、扫描目标的误差和外界环境条件误差等，数据处理误差主要焦距在数据拼接过程中的拼接算法上，改进测量方法和测量条件，采用先进的拼接算法是提高点云数据拼按质量的关键问题。

云计算的主要技术特征范文

致力于专业互联网平台服务的上海帝联信息科技股份有限公司（以下简称上海帝联），对市场发展方向十分敏感，对互联网新一代业务具有独特的理解。近日，上海帝联举办了第二期IT俱乐部沙龙活动，讨论主题为“云计算与虚拟化”，会议邀请了盛大在线、淘米网、大众点评、一号店、巨人游戏等公司的众多在云计算技术领域积极探索的IT精英，共同探讨云计算与虚拟化的技术要点，以及当前面临的挑战。

盛大在线技术总监周建和钱广杰介绍了盛大云平台的产品，包括云主机、云硬盘、云存储、数字分发、云监控、MongoIC、网站云、数据库云、云安全等。周建表示：虚拟化是云计算的基础，但并不是云计算的全部，构建支持异构平台，满足业务RAS要求的企业级虚拟化平台是云计算的必由之路。他认为虚拟化的优势主要体现在成本优势、快速部署、环境隔离、动态扩展、资源共享等，而虚拟化的缺点主要表现在实施和配置的复杂性、“鸡蛋都放在一个篮子里”，使企业面临着风险，且I/O性能会有所下降，更新和升级困难。

另外，周建认为，开放性是云计算的基本特征，云计算平台应能提供标准的API。因此，企业应谨慎选择云计算服务提供商，优先考虑致力于构建开放生态系统的合作伙伴。

淘米网技术总监肖明林先生认为：企业级虚拟化平台的创建是建设云计算基础架构必不可少的环节，但是仅将物理服务器分成虚拟机，并不是完整的云计算实施过程。虚拟化重新定义了资源以后，还需进一步对这些虚拟资源进行管理，动态的调控这些资源，为应用服务，这也是云计算必不可少的特征。另外，他认为云计算按需购买、低成本、绿色经济等特点为中小企业的信息化建设注入了一股活力。不过每一次技术的转换也必然带来一些问题和困惑，特别是对于很少设有专门IT部门的中小企业来说，它们在部署云计算时有几点困惑是不可避免的。因此，目前淘米网对云计算商业模式持谨慎态度，重点是在开发各类应用方面。

一号店网站运维总监高豪杰表示：目前我国云计算技术成功实施案例并不多，有点像十多年前的ERP产品，有一窝蜂盲从的感觉。他认为，云计算发展的很多条件都尚未成熟，有媒体报道称，国家能源局曾公开表示，当前非常流行的云计算产业如规划不科学，应用不能很好地开展，就有可能成为高耗能项目。