مه داده های جغرافیایی فناوری ها و ابزارهای پردازش

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 647

فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NPECE01_480

تاریخ نمایه سازی: 6 بهمن 1395

چکیده مقاله:

در سال های اخیر انفجاری در حجم داده های ایجادی توسط بشر رخ داده است تولید داده توسط اشیا انواع حسگرهای محیطی موج بعدی است که باعث می شود این رشد انفجار گونه داده ها هم چنان ادامه یابد سرعت و حجم داده های تولید شده به حدی زیاد است که پردازش این داده ها ا سیستم های معمول غیر ممکن است رویکرد مورد توجه برای محاسبه و پردازش این حجم عظیم از داده استفاده از روشهای پردازش روی زیر ساخت غیر متمرکز و موازی سازی است با توجه به گستردگی و اهمیت مه داده های جغرافیایی که از آن ها به عنوان فرصت های اجتماعی یاد می شود به عنوان مثال پروژه میلینیوم 15 چالش جهانی که بشر با آن روبرو است را معرفی می کند که بسیاری از این چالش ها می توانند از مه داده های جغرافیایی استفاده کرده و بهره مند شوند سازمان ها و دولت ها رای پردازش این حجم عظیم از داده جغرافیایی انواع مختلفی از سیستم های پشتیبانی مه داده و مه داده ها جغرافیایی را توسعه داده اند یا در حال توسعه دادن می باشند این سیستم ها با توجه به نیازها پردازشی سازمان ها در انواع مختلفی طبقه بندی می شوند که در این مقاله به بررسی این فناوری ها و ابزارهای پردازشی پرداخته خواهد شد

کلیدواژه ها:

مه داده ، مه داده های جغرافیایی ، سیستم ها پردازش مه داده ، سیستم های پردازش مه داده های جغرافیایی

نویسندگان

بیتا امیرشاهی

استادیار دانشگاه پیام نور

علی سیف الدینی

دانشجوی دانشگاه پیام نور

سپیده امیر محمدیان

دستیار پژوهشی در پژوهشکده فناوری های نرم دانشگاه تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • ;یدزاده م. حسینی ف. پیشگویی بیزی برای دادههای فضایی فازی. ...
  • Eagle N, Greene K. Reality Mining: Using Big Data to ...
  • Mayer- Schonberger V, Cukier K. Big Data: A Revolution that ...
  • https :/books _ google. co m/b ooks/about/B ig_D ata. html? ...
  • Karimi HA. Big Data: Techniques and Technologies in Geo informatics ...
  • Philip Chen CL, Zhang CY. Data-intensive applications, challenges, techniques and ...
  • McGarva G, Morris S, Janee G. Technology Watch Report Preserving ...
  • Shekhar S. Spatial big data challenges [Internet]. ARO/NSF Workshop on ...
  • Mining of Raw Data May Bring New Productivity, a Study ...
  • http : /www.nytimes _ com/20 11/05/13/technology/13data.html?_r= 1 ...
  • Hawick KA, Coddington P., James H. Distributed frameworks and parallel ...
  • Lee CA, Gasster SD, Plaza A, Chang C-I, Huang B. ...
  • Yang C, Raskin R, Goodchild M, Gahegan M. Geospatial C ...
  • ;34(4):264-77. Available from: ...
  • http://www. sciencedirect. co m/s c i enc e/article/pi/ S0 1989715 ...
  • Hausenblas M, Nadeau J. Apache Drill: Interactive Ad-Hoc Analysis at ...
  • MOKBEL AEMF. The Era of Big Spatial Data: A Survey. ...
  • Wang G, Salles MV, Sowell B, Wang X, Cao T, ...
  • Cary A, Sun Z, Hristidis V, Rishe N. Experiences on ...
  • http ://dl. acm .org/citation. cfm? doid=2094 114.2094118 Online transaction processing ...
  • Wang K, Han J, Tu B, Dai J, Zhou W, ...
  • Zhang S, Han J, Liu Z, Wang K, Feng S. ...
  • Gupta H, Chawda B, Negi S, Faruquie TA, Subramaniam L ...
  • Huy T. Vo JBBHB SVPJLDC CTSJF _ Parallel visualization on ...
  • Zhao W, Ma H, He Q. Parallel K-Means Clustering Based ...
  • Akdogan A, Demiryurek U, B anaei-Kashan F, Shahabi C. Voronoi-B ...
  • Geospatial Query Processing with MapReduce. In: 2010 IEEE Second International ...
  • Lu W, Shen Y, Chen S, Ooi BC. Efficient processing ...
  • Zhang C, Li F, Jestes J. Efficient parallel kNN joins ...
  • Ma Q, Yang B, Qian W, Zhou A. Query processing ...
  • Lu P, Chen G, Ooi BC, Vo HT, Wu S. ...
  • Eldawy A, Li Y, Mokbel MF, Janardan R. CG_Hadoop. In: ...
  • Eldawy A, Mokbel MF. SpatialHadoop: A MapReduce framework for spatial ...
  • http :/ieeexplore. ieee _ org/lpdo cs/epic03 /wrapper. htm? armumber=7 113382 ...
  • Eldawy A, Mokbel MF, Alharthi S, Alzaidy A, Tarek K, ...
  • http :/ieeexplore. ieee _ org/lpdo cs/epic03 /wrapper. htm? armumber=7 113427 ...
  • Eldawy A, Mokbel MF. Pigeon: A spatial MapReduce language. Proc ...
  • Aji A, Wang F, Vo H, Lee R, Liu Q, ...
  • GIS Tools for Hadoop by Esri [Internet]. [cited 2015 Nov ...
  • Whitman RT, Park MB, Ambrose SM, Hoel EG. Spatial indexing ...
  • Nishimura S, Das S, Agrawal D, El Abbadi A. _ ...
  • Fox A, Eichelberger C, Hughes J, Lyon S. Sp atio-temporal ...
  • [cited 2015 Nov 17]. p. 9. Available from: http ://dl. ...
  • Hellerstein JM, Avnur R, Chou A, Hidber C, Olston C, ...
  • Zeng K, Agarwal S, Dave A, Armbrust M, Stoica I. ...
  • Melnik S, Gubarev A, Long JJ, Romer G, Shivakumar S, ...
  • Zhang S, Yang Y, Fan W, Winslett M. Design and ...
  • Kornacker M, Behm A, Bittorf V, Bobrovytsky T, Ching C, ...
  • Presto [Distributed SQL Query Engine for Big Data [Internet]. Available ...
  • Engle C, Lupher A, Xin R, Zaharia M, Franklin MJ, ...
  • Zaharia M, Chowdhury M, Das T, Dave A, Ma J, ...
  • Apache Tez - Welcome to Apache rez" [Internet]. Available from ...
  • Isard M, Budiu M, Yu Y, Birrell A, Fetterly D, ...
  • Amazon Redshift _ Data Warehouse Solution - AWS [Internet]. Available ...
  • Overview [Apache Phoenix [Internet]. Available from: https :/phoenix. apache.org/ ...
  • Citus Data [Internet]. Available from: https : //www .citusdata. com/ ...
  • Eldawy A, Elganainy M, Bakeer A, Abdelmotaleh A, Mokbel M. ...
  • نمایش کامل مراجع