УДК 519-7/339.9
І. КОТУЛЯК,
Словацький технічний університет, Братислава, Словаччина
В.В. ХИЛЕНКО,
Національний університет біоресурсів і природокористування України, Київ, Україна,
vkhilenko@ukr.net
Р.М. БАСАРАБ,
Національний університет біоресурсів і природокористування України, Київ, Україна
М. РІЇС,
Словацький технічний університет, Братислава, Словаччина
ЗАСТОСУВАННЯ АЛГОРИТМІВ ДЕКОМПОЗИЦІЇ
ДЛЯ ПРИСКОРЕННЯ ОБРОБЛЕННЯ ВЕЛИКИХ МАСИВІВ ДАНИХ
У ГЕОІНФОРМАЦІЙНІЙ СИСТЕМІ
Анотація. Запропоновано технологію та декомпозиційний алгоритм прискорення оброблення геоінформаційних
даних на основі розподілу вибірок динамічних та квазістатичних даних з використанням аналізу власних чисел матриць, отриманих за допомогою ітераційного обчислення за методом Хиленка. Алгоритм напрямлено на опрацювання масивів геоінформаційних даних великої розмірності. Наведено порівняльні результати модельних обчислень з використанням відомих обчислювальних методів.
Ключові слова: геоінформаційні дані, оброблення супутникових зображень, декомпозиція, ітераційне обчислення власних чисел матриць, метод Хиленка.
ПОВНИЙ ТЕКСТ
СПИСОК ЛІТЕРАТУРИ
- Шавук В.С. Теоретическое обоснование цифровой фотограмметрической системы обработки космических снимков высокого разрешения. Автореф. дис. ... канд. техн. наук. Москва, 2009. 24 с.
- Семинеев А.А., Тарасова Е.И. Обратная фотограмметрическая засечка: надежность решения задачи. Вестник СПбГУ. Сер. 7. 2012. Вып. 4. С. 129–134.
- Hong Hu, Liedtke J. Monitor forest change over time. URL:
https://learn.arcgis.com .
- Simon Woo. Подготовка изображений и растровых данных для анализа. URL:
https://learn.arcgis.com/ru/projects/prepare-imagery-and-raster-data-for-analysis/.
- Начало работы со спутниковыми изображениями.
URL: https://learn.arcgis.com .
- Khilenko V.V. Order reduction method and adequate simplification of sae models with uncertain coefficients. Cybernetics and Systems Analysis. 1998. Vol. 34, N 3. P. 458–461.
- Grishchenko A.Z., Khilenko V.V. Determining the number of fast and slow components in decomposition of arbitrarily large linear dynamical models. Cybernetics and Systems Analysis. 1991. Vol. 27, N 6. P. 795–801.
- Khilenko V.V. Convergence of algorithms of order-reducing method during analysis of non-linear mathematical fragment models of computer-aided systems for controlling the production processes. Cybernetics and Systems Analysis. 2001. N 3. P. 373–380.
- Семин П. Как обрабатывать спутниковые снимки с помощью Sen2Cor. 2020. URL:
https://habr.com/ru/post/501188/.
- Дрейпер Н., Смит Г. Прикладной регрессионный анализ, 3-е изд. Москва: Диалектика, 2016. 912 с.
- Фёрстер Э., Рёнц Б. Методы корреляционного и регрессионного анализа, 1983. 304 с.
- Букаты М.Б. Геоинформационные системы и математическое моделирование. Уч. пособие. Томск: Томский политехнический университет, 2009. 75 с.
- Нейронные сети и ГИС. URL: https://scibook.net .
- Мердок Джеймс. Нормальные формы и развертки для локальных динамических систем. Springer, 2003. 500 с. ISBN 978-0-387-21785-7.
- Khilenko V.V., Stepanov O.V., Kotuliak I., Reis M. Optimization of the selection of software elements in control systems with significantly different-speed processes. Cybernetics and Systems Analysis. 2021. Vol. 57, N 2. P. 185–189.
- Skakun S.V., Basarab R.M. Reconstruction of missing data in time-series of optical satellite images using Self-Organizing Kohonen maps. Journal of Automation and Information Sciences. 2014. Vol. 46. P. 19–26. https://doi.org/10.1615/JAutomatInfScien.v46.i12.30.
- Савиных В.П., Цветков В.Я. Геоинформационный анализ данных дистанционного зондирования. Москва: Картгеоцентр – Геодезиздат, 2001. 228 с.
- Djamai N., Fernandes R. Comparison of SNAP-derived sentinel-2A L2A product to ESA product over Europe. doi.org/10.3390/rs10060926.
