несуперечливість структур даних і внутрішню топологічну несуперечливість векторних даних. Зокрема, це визначає такі вимоги, як замкненість полігонів, унікальність ідентифікатора полігона, наявність або відсутність вузлів на перетинаннях дуг.

Поняття повноти (достатності) даних пов’язане зі ступенем охоплення даними множини відповідних об’єктів. Залежно від правил відбору, генералізації і масштабу визначають кількість відповідних об’єктів для повного опису ситуації, картографічної композиції, явища тощо.

Поняття походження включає відомості про джерела даних і операції зі створення бази даних, про методи кодування, час одержання, методи обробки даних, точності результатів обчислень тощо.

2.3.8. Ректифікація даних

При використанні даних ДЗЗ як джерела даних для ГІС часто використовуються аерокосмічні знімки. Коли знімки здійснюються не в надир, то відбувається геометричне спотворення геооб’єктів (рис. 2.11). Наприклад при зніманні прямокутного об’єкта під певним кутом на зображенні він буде виглядати як трапеція. При цифруванні об’єкта для моделювання в ГІС також утвориться трапеція.

Рис. 2.11. Приклади спотворення реальних розмірів геооб’єктів

Ректифікація даних у ГІС дозволяє виправити це спотворення, і трапеція знову перетвориться на прямокутник, тобто вихідні розміри геооб’єкта будуть відновлені.

Ректифікація пов’язана з проекційними перетвореннями і трансформуванням зображень. Сучасні ГІС включають до 700 проекцій, які дозволяють здійснювати різноманітні перетворення базової цифрової моделі.

56

Ректифікація може бути спеціальною або проекційним перетворенням.

Спеціальна ректифікація дозволяє здійснювати поряд з проекційними перетвореннями трансформування знімка не тільки на площину, але й у задану картографічну проекцію. Це принципово новий вид геоінформаційного моделювання, який до цього не застосовувався в автоматизованих системах.

Проекційні перетворення виконують відповідно до відомих аналітичних виразів, що описують ці перетворення, і змінюють математичну основу базової цифрової моделі.

2.3.9. Проведення автоматичної класифікації

Однією із проблем, що виникає під час проведення географічних, екологічних, економічних та інших досліджень за допомогою ГІС, є проблема класифікації певної інформації.

Класифікація – логічна операція, яка полягає в поділі всієї досліджуваної множини предметів за виявленими подібностям на окремі групи або підпорядковані множини, які називаються класами.

Вихідною інформацією для методів класифікації є багатовимірні дані, що описують досліджувані складні об’єкти, які знаходяться в атрибутивному багатовимірному просторі ознак. Інформація про ознаки об’єктів та зв’язки між ними знаходиться у таблицях вигляду "об’єкт – ознака" та "об’єкт – об’єкт" відповідно.

Метою класифікації є розбиття множини об’єктів на деяку (як попередньо задану, так і не задану) кількість класів таким чином, щоб об’єкти одного класу були максимально подібними за обраними ознаками, а об’єкти різних класів – максимально відрізнялись.

Поділ певних предметів (об’єктів) на взаємопов’язані класи здійснюється за найбільш істотними ознаками, притаманними предметам (об’єктам) цього виду, які відрізняють їх від предметів (об’єктів) іншого виду. При цьому кожний клас займає в утвореній системі певне постійне місце і, в свою чергу, поділяється на підкласи. Проте такий розподіл має відносний характер, оскільки багато об’єктів, завдяки своїй складності, не можуть бути зараховані лише до якогось одного класу. Все залежить від того, на основі чого проводиться класифікація.

Одні й ті ж предмети можна класифікувати по-різному, залежно від того, яка ознака покладена в основу класифікації.

Класи в ГІС об’єднують об’єкти зі схожими значеннями, надаючи їм однаковий символ на карті.

Класифікація об’єктів – це процедура групування на якісному рівні, спрямована на виділення однорідних властивостей.

Всі задачі класифікації підрозділяються на два типи. До задач класифікації першого типу відносяться ті, в яких певну множину вимірів потрібно розділити на стійкі групи. Ці задачі називаються задачами класифікації без вчителя, кластеризації, таксономії, типізації.

57

Задачі класифікації другого типу характеризуються тим, що вихідні дані вже заздалегідь були розгруповані, потрібно оцінити їх та інформативність щодо сукупності відомих еталонів. Такі процедури називають також

розпізнаванням образів, навчанням з учителем.

Класифікація методів автоматичного розбиття об’єктів на однорідні групи залежно від наявності апріорної та попередньої вибіркової інформації має такий вигляд (табл. 2.1):

Таблиця 2.1

Систематизація методів автоматичної класифікації

Під час проведення автоматичної класифікації просторових даних наявність навчальних вибірок чи повністю визначених законів розподілу зустрічається вкрай рідко. Тому найбільшого розповсюдження в ГІС набули методи розділення суміші розподілів та методи класифікації без навчання.

58