地理信息系统概念范文篇1

一、概念地图的定义、组成要素和类型

（一）概念地图的定义

概念地图又称思维地图或者心智地图，表达的是思维过程或者结果的图形化表征。上世纪六十年代，由美国的JosephD.Novak提出，客观地图本身的客观性比较强，并且其直接反映的是自然和社会经济，概念地图是人们头脑中形成的客观世界的地图，其性质是思维工具和知识的组织方法，能够更好地运用到教学实践中，并且学生可以通过概念地图的绘制提高学习能力。

（二）概念地图的组成要素

概念地图是通过节点、连线和连接词构成的，其中，节点代表的是概念，阶段一般是几何图形或者是形象化比较强的图案，连线主要是进行节点的连接，其将概念间的关系比较直接地反映了出来，其具有非方向性或者方向性。一般情况下，连线是直线、曲线或者折线，而连接词和地图上面的标注比较相似，其是节点关系文字上的描述。

（三）概念地图的类型

一般情况下，概念地图可以分成非层级性和层级性两种，并且可以根据地图的信息，将其划分成为层次概念地图、蜘蛛概念地图、系统概念地图和流程概念地图四个类型。层次概念地图指的是，信息重要性递减，一般情况下最顶端的信息是最重要的；蜘蛛概念地图指的是将最重要内容放在中心位置，其他内容重要性围绕中心呈放射状，越靠近中心位置的内容越重要；流程概念地图是利用直线模式组织信息将主题之间的关系反映；系统概念地图和上述的流程概念地铁也有一定的相似性，只是和其相比，增加了输出和输入。

二、进行概念地图绘制的主要步骤

在进行概念地图绘制时，可以使用软件，也可以用手绘制，但是无论选择什么样的方式，都必须根据概念地图制作的基本方法进行地图的绘制，为了更好地将知识点和概念之间联系更加清晰地表达出来，可以用图1中的步骤进行概念地图的绘制。

图1绘制概念地图的基本步骤

三、在初中地理教学中，应用概念地图的主要作用

（一）能够帮助学生更好地进行知识概念的识别和记忆

在地理教学中，学生进行概念的理解是非常重要的，因为概念概括了这部分地理现象和事物的本质，是非常重要的地理知识。老师进行地理教学的最基本任务便是让学生能够理解概念、掌握概念和运用概念。就现在而言，初中地理课本中，要求学生死记硬背的知识已经越来越少，即便是地理概念也需要学生进行理解性记忆，但是怎样让学生通过理解掌握概念，是很多老师都面临的重要教学难题。学生的大脑能够接受很多信息，要想学生更深刻地理解信息，就必须将信息结合在一起，概念地图便能够起到信息组合的作用。老师在进行地理教学时运用概念地图，能够让学生更加直观地理解概念之间的联系和本质上的区别，学生通过概念地图还能够建立知识网络。比如，老师在进行地表形态力量教学时，要想让学生进行外力和内力的划分，便可以用层次概念地图进行层次关系的表达。

（二）概念地图的运用能够让学生更好地理解和掌握基础理论

在地理学习中，地理知识不但包含一些比较基本的概念，还包含一些比较基础的理论，比如说地域分布规律、地理环境整体性理论、空间之间的相互作用关系、景观生态理论、人地关系理论、区位理论，等等，这些理论在地理教学中非常重要，并且涉及一些知识比较抽象，若是老师在初中地理教学中，能够利用素材，更好地运用概念地图，便能够让学生更好地掌握和理解理论。比如说在讲到太阳辐射、大气辐射、地面辐射和大气逆辐射时，便可以运用系统概念图，让学生更好地理解它们之间的关系。

（三）能够强化学生的学习能力和探究意识

地理信息系统概念范文

截至2005年6月，国际系统医学术语临床术语(TheSystematizedNomenclatureofHumanandVeterinaryMedicineClinicalTerms,以下简称SNOMEDCT）核心术语包括了366170条卫生保健的概念，而用于描述这些概念则使用超过99.3万条记录，近146万条语义关联令数据的获取充分可靠。

SNOMED发展历程

1974年，SNOMED第一版问世，由44587个词条、6个模块构成。SNOMED的范畴包括解剖学、形态学、正常与非正常的功能、症状及疾病体症、化学制品、药品、酶及其他体蛋白、活有机体、物理因素、空间关系、职业、社会环境、疾病/诊断和操作。SNOMED的每一个术语(词条)均有一个编码与之对应，在疾病/诊断轴内，很多疾病概念还提供了与其他术语的交叉参照关系。1998年，SNOMED演进到3.5版，包括156965个词条和压缩过的12个模块。

近年来，美国国家医学图书馆与美国病理学会（CAP）签署了关于使用SNOMEDCT的协议书，允许在美国推广使用SNOMEDCT，并且允许一些组织在国内免费使用SNOMEDCT。

英国国民健康保险制度（NHS）也与美国病理学会共同成立了SNOMEDCT标准发展组织(SNOMEDCTSDO)用于推动并规范SNOMEDCT的使用。

1997年发行的3.4版是中文译本的原版。中文SNOMED电子版是中文SNOMED3.4版的电子化产品，含145856个词条，并且建立起3.2万个词条与ICD-9-CM的对照关系。之所以与英文版的词条数目（146217）不同，是因为两种语言本身存在的差异（例如同义词）。它分为11个模块，其层次结构通过该词条代码的树型构造表达。每个词条的内容包括:编码、中文名、英文名、类别符、层次、与该词条相关的外部编码、ICD-9-CM码、药品编码、药厂编码、酶编码及SNOMED相关词条的交叉参照列表。

SNOMEDCT的概念与构成

SNOMEDRT(SystematizedNomenclatureofHumanandVeterinaryMedicine

referenceTerminology)是为了满足医学信息处理的广泛要求，在SNOMED3.6版基础上加入了新的设计理念，于2000年面世的。SNOMEDRT定义了概念（Concepts）和关系（Relationships）的集合，提供了通用的参考标准，用于全面的医疗保健信息的比较与聚合处理。

SNOMEDCT是SNOMEDRT的衍生物，于2002年面世。它在SNOMEDRT定义的概念中加入了编码、关系、描述、层面等内容，使之更加清晰完备。SNOMEDCT所包含的概念并没有大幅度增长，大量增长的是描述与关系。其中，描述由2002年1月时的40万条发展到如今的90余万条，关系则由近80万条发展到近146万条。

因此，SNOMEDCT由概念（Concepts）、概念ID、描述（Descriptions）、属性（Attributes）、层面（Hierarchies）、关系（Relationships）（关系又分为IS-A关系与属性关系）构成。其中，概念、描述、关系是SNOMEDCT的核心构件。

1.概念、描述与层面

SMOMEDCT不再使用词条表的方式对术语进行表示，而是采用概念的形式。概念以理解为医学中标准的临床术语，每个概念都有惟一的概念码，但每一个概念都可能有多个描述，并且由993420条描述形成了庞大的描述表――我们可以理解成同义词表。如“Paininthroat”（咽喉痛），在SMOMEDCT中是概念，而在实际应用中，它将会有多种不同的术语表达，如“Sorethroat”、“Throatpain”、“Paininpharynx”、“Throatdiscomfort”、“Pharyngealpain”、“Throatsoreness”，但它们并不是概念，而只作为描述被收集在描述表中。每一条概念有若干描述与之对应，描述表中的每一条描述也有与之相对应的概念存在。

SMOMEDCT不再使用“轴”或“模块”来划分术语,而是定义了18个层面（Hiera-rchies），用18个层面区分366170条概念。

实际应用中，上述18个层面中还有细分，如“人体结构”这一层面中又有细分为“形态学上的反常结构”，下面的列表所示为以一组解剖病理学中所使用的概念与概念所在层次举例。

2.关系

SMOMEDCT中的概念与概念间是有一定“关系”存在的。概念有36万条，但关系有近146万条。这种基于概念间的语义关系令数据的获取充分可靠。在SNOMEDCT中，关系分为两种:IS-A关系与属性关系。

IS-A在同一个层面中，表示某些概念间的关系。如关节炎属于关节系统疾病，而关节系统疾病属于骨科疾病，这样关节炎关节系统疾病骨科疾病就形成了一种IS-A关系;

属性关系表示跨层面的概念间的关系，如“阑尾炎”是一种疾病，但从形态学上看，“阑尾炎”属于炎症的一种，在属性关联中，可由“阑尾炎”引导出“炎症”。

3.属性

在SNOMEDCT中，每一条概念都有若干种属性用于准确具体表示概念。同一层面中的概念的属性类型是相同的。以临床表现为例，在临床表现中的概念的属性为:发现部位、联合词（如:之后、导致、因为）、形态学、严重程度、发作情况、过程、情景、解释、病理学、事件等。

SNOMED与本体论

本体（Ontology）是关于概念和概念之间关系的形式化描述系统，在此指形式化的（即可以被机器所处理的）、对共享概念的精确详细的说明和描述，一般包括概念的使用类型及约束条件。本体提供了信息交互各方在特定领域的共同知识背景，常用于作为特定领域中可被计算机理解、应用的知识模型，包括领域中的概念、属性及其相互关系。

SNOMED是从术语表演进而来,仍然处于不断的发展与变化之中。当前SNOMED的发展方向和方法学正在走向医学本体研究与表达，RIM的框架和复杂关系的表达，加上SNOMED多年来在临床应用受控词表的经验，预示着医学知识本体研究将会有重大进展，而UML（UnifiedModelingLanguage，统一建模语言）将是重要工具。

SNOMEDCT已经成为美国最重要的医学受控词表，36万条的概念与146万条关系形成了医学领域本体，反映的是医学领域理论与本质上的事实。

应用现状与前景

1．在临床信息系统中的应用

目前，受控词表（CMV）在医学信息交换中位于数据处理的核心地位，它紧紧包裹在临床数据库外，临床信息系统将通过一系列引擎与受控词表相连接，从而形成可交互的、能够保障病人安全协作医疗服务与监控的突发公卫事件系统、电子病历（EMR）系统、ICU监测系统、临床诊断支持系统、用药观察研究、临床试验系统、医嘱处理系统、疾病监测系统、影像学及社区人群健康服务等系统，方便数据挖掘与决策分析。

2.SMOMEDCT与UMLS

SNOMED为UMLS（UnifiedMedicalLanguageSystem，统一医学语言系统）提供医学术语词条开始于2004年1月。UMLS是医学术语研究的重要课题。SNOMED为UMLS提供了最为广泛和最为重要的医学术语，是UMLS所包含的多个术语集之一。UMLS的主要角色是提供多用途的电子化医学词典，它使得许多不同源术语集中的相同语义拥有标准格式成为可能。

3.SMOMEDCT在医药学中的作用

在美国国家医学图书馆编制的临床药学标准术语RxNorm中，SNOMEDCT在公众领域可以提供一些特殊的药品概念与编码信息。SMOMEDCT与RxNorm都可以应用于药品信息系统。

4.SMOMEDCT与英国国民健康信息基础架构（NHII）

英国制订的国民健康信息基础架构（NHII）的目标之一是:无论何时何地，让需要且有权使用电子病历的人能够使用，并且以保障其隐私权为前提。为了实现这个目标，NHII参考并采用了一系列现有卫生信息标准。在消息标准方面，采用了如HL7、DICOM、IEEE、X12N、NCPDP等;在术语标准中，有LOINC、ICD-9CM、UMLS、SNOMED等。

地理信息系统概念范文

【关键词】信息熵最大熵最小叉熵

1865年克劳修斯（Clausius）提出状态函数――熵，到现在为止，熵的内涵不断扩大，据不完全统计，目前大概有70～80种熵分别应用到生命科学、系统科学、经济学、金融保险、统计学、生态学、哲学、文学、艺术、历史学、语言学、宗教学社会各个领域。近二十几年来，信息熵的概念与方法正逐渐引入到金融、保险、经济管理的研究之中，成为现代定量定性研究中的一种新思路与新方法。

本文简要介绍信息熵概念、性质，以及经济管理中应用的信息熵模型。

1信息熵的概念

在现代信息论中，常遇到定量测量从某一信息源传来的信息量大小的问题。Shannon将熵的概念加以推广，不与热力学过程相联系，也不与微观的分子运动相联系，而是成为系统状态（这个状态可以是热学的，也可以不是热学的）不确定程度的量度。他认为，如果信息源表示信息用的信号有n种，若一个信息源中某种信号出现的概率为，那么，它带来的信息量就是。因此，Shannon认为该信息源带来的总的信息量就是

（1）

用H来测度信息，其中C为比例系数，式（1）称为信息熵或者Shannon熵。

2信息熵的性质

Shannon的信息熵具有若干重要性质，也是一个关于不确定性程度的合理度量所应具有的性质。这些性质被归纳如下：

性质1.非负性；

性质2.若与，则；即确定性事件的熵值为0，也就是不确定性为0。

性质3.；

性质4.最值性

；

性质5.是一个关于所有变量的对称凹函数。

信息熵可以成为系统状态不确定程度的度量，用这个概念可以研究系统内部某种分布的差异，如股票的的分布、寿命的分布、损失分布等等。随着信息熵的概念在不断扩大，信息熵的内涵在不断丰富，在不同场合，针对不同对象，它可以做为系统状态的混乱度、不确定性、信息缺乏度、不均匀性、丰富度等的量度。

3信息熵模型

3.1最大熵模型

Jaynes对熵函数的广泛应用作出了极大的贡献，他提出的最大熵原理：“在根据部分信息进行推理时，应使用的概率分布必须是服从所有已知观测数据的前提下使熵函数取得最大值的那个概率分布。这是能够做出的仅有的无偏分配；使用任何其他分布，则相当于对未知的信息做了任意性的假设”。我们采用最大熵方法来确定基本样本信息的概率分布密度的最优估计。从信息论的角度看，无信息意味着不确定性最大，最大熵适用于无信息和有部分信息的情况，它可以解决数据不完全的求解问题。

最大熵方法的样本概率密度的估计，可以利用样本信息的一种简便的方法计算样本的各阶矩，下面以随机变量来具体说明这种方法：由（1）令

（2）

约束条件为：，，其中k为所用矩的阶数，为第i阶原点矩。

3.2最小叉熵模型

设是定义在概率空间上的随机变量，考虑一个具有个结果的概率试验，并设这些结果各自具有离散概率，还有一个先验概率分布，概率测度相对于概率测度的叉熵定义为

这里，；

；；。

两个熵优化原理的实质，现将它们一起概括地陈述如下：最大熵（最小叉熵）原理，是在服从已知信息条件下，找最接近均匀（先验）分布的一组概率分布；最小叉熵原理的提出进一步丰富了信息熵的内涵，使信息熵的应用领域深入到精算学、金融学和经济管理决策等各个学科领域，尤其在经济和金融的风险度量的应用更是让人瞩目。

参考文献：

[1]JaynesET.Informationtheoryandstatisticalmechanics[J].ThePhysicsReviewⅠ，1957a，106：620-630；ThePhysicsReviewⅡ，1957b，108：171-190.

[2]KullbackS.Informationtheoryandstatistics[M].NewYork：JohnWiley，1959.