GIS空间数据融合方法
地理信息系统中的多源数据融合与分析
地理信息系统中的多源数据融合与分析一、引言地理信息系统（Geographic Information System，简称GIS）是一种基于计算机技术的信息系统，主要用于收集、存储、分析、展示和管理地理数据。
它通过整合各种空间数据和属性数据，实现对地球表面现象的综合分析和决策支持，广泛应用于城市规划、环境保护、资源管理等领域。
在GIS的发展过程中，多源数据融合与分析成为了一个重要的研究方向，并在实际应用中展现了巨大的价值。
二、多源数据融合的概念多源数据融合是指将来自不同数据源的地理数据进行整合，形成一个统一的数据集，以便进行更全面、准确的分析和决策。
多源数据通常包括遥感影像、地理位置数据、传感器数据、社交媒体数据等，具有不同的空间和属性特征。
通过融合这些数据源，可以更好地理解和解释地球表面的现象。
三、多源数据融合的方法1.空间数据融合空间数据融合是将来自不同空间分辨率的遥感影像进行匹配和融合的过程。
常用的方法包括像素级融合、特征提取和空间重采样等。
像素级融合将多个遥感影像按像素级别进行加权平均，以获得一副更清晰、更准确的影像。
特征提取则通过图像处理算法，提取出多个遥感影像中的特征，并将其融合成一个特征向量。
空间重采样则是将不同分辨率的遥感影像统一到一个空间参考系统下。
2.属性数据融合属性数据融合是将多个数据表中的属性信息进行整合的过程。
通常使用的方法包括关系数据库建模和决策树算法等。
关系数据库建模是将多个数据表通过主键和外键的关系进行关联，形成一个统一的数据库模型。
决策树算法则是通过构建一棵决策树，将多个数据表中的属性进行分类和预测。
四、多源数据融合的应用1.资源管理多源数据融合可以帮助管理者更好地监测和管理自然资源。
例如，在森林资源管理中，可以融合遥感影像、环境数据和社交媒体数据，实时分析森林火灾风险、树木病虫害等情况，从而提前采取相应的措施。
2.城市规划多源数据融合在城市规划中具有重要的作用。
如何进行地理信息系统的多源数据融合与集成
如何进行地理信息系统的多源数据融合与集成随着科技的不断发展，地理信息系统（GIS）被广泛应用于各个领域，如城市规划、测绘、环境保护等。
然而，在多源数据融合与集成方面，我们面临着许多挑战。
本文将探讨如何进行地理信息系统的多源数据融合与集成，并提出一些解决方案。
一、多源数据融合与集成的意义地理信息系统的多源数据融合与集成意味着将来自不同数据源的地理信息数据进行整合，以提供更全面、准确的地理信息。
多源数据融合与集成有以下几个重要意义：1. 提高数据质量：通过多源数据融合与集成，可以弥补单一数据源的不足，提高数据质量和可信度。
2. 增加数据的时空分辨率：不同数据源的时空分辨率各不相同，通过融合与集成，可以提高数据的时空分辨率，使其更适应各种应用场景。
3. 拓宽数据类型：不同数据源包含的地理信息类型不同，通过融合与集成，可以拓宽数据的类型，为决策提供更多维度的信息。
二、多源数据融合与集成的挑战然而，多源数据融合与集成并不容易，面临着以下几个挑战：1. 数据不一致性：不同数据源之间的数据格式、坐标系统、数据精度等存在差异，导致数据不一致性，给融合与集成带来困难。
2. 数据冲突与重复：多源数据可能包含相同地理信息，但表达方式不同，容易造成数据冲突与重复。
3. 数据量巨大：随着数据源的增加，数据量呈指数级增长，数据处理和存储成为一大挑战。
三、多源数据融合与集成的解决方案为了克服上述挑战，我们可以采取以下解决方案：1. 数据预处理：在进行数据融合与集成之前，需要对数据进行预处理，包括数据格式转换、坐标系统统一、去除数据冲突与重复等。
2. 数据质量评估：对数据进行质量评估，识别数据不一致性、错误和缺失，以及数据的准确性和可信度。
3. 数据集成算法：多源数据集成的核心是设计合适的数据集成算法，包括特征提取、数据匹配和数据融合等。
常用的算法有基于规则的集成、基于机器学习的集成等。
4. 数据存储与管理：由于数据量巨大，需要采用分布式计算和存储技术，如云计算和分布式数据库，以提高数据处理和存储效率。
测绘中的GIS与RS数据融合方法与应用
测绘中的GIS与RS数据融合方法与应用概述地理信息系统（Geographic Information System，简称GIS）和遥感（Remote Sensing，简称RS）技术是当前测绘工作中不可或缺的两项重要技术。
GIS技术能够整合、存储和分析地理数据，而RS技术则能够获取和处理大量的遥感影像数据。
为了更好地利用这两项技术，提高测绘工作的效率和精度，数据融合方法和应用在测绘领域中得到了广泛的研究和应用。
数据融合方法1. 基于像素级的融合方法基于像素级的融合方法是指将GIS和RS数据在像素级上进行融合的方法。
该方法常用的算法包括加权平均法、主成分分析法和小波变换法。
加权平均法是最简单的数据融合方法，通过对不同数据源的像素进行加权平均得到融合后的像素。
主成分分析法则是将原始数据转化为主成分数据，再进行加权得到最终融合后的像素。
小波变换法是一种基于频域的融合方法，可以处理不同波段的数据。
2. 基于特征级的融合方法基于特征级的融合方法是指将GIS和RS数据在特征级上进行融合的方法。
该方法常用的算法包括模糊理论、人工神经网络和支持向量机。
模糊理论可以将GIS和RS的特征进行模糊化处理，然后通过模糊匹配得到最终的融合结果。
人工神经网络则是通过训练神经网络模型，将GIS和RS数据的特征进行融合。
支持向量机则是一种常用的分类方法，可以将GIS和RS数据进行分类，然后将分类结果进行融合。
应用案例1. 城市规划通过GIS和RS数据融合，可以对城市的土地利用、交通网络和环境资源等进行综合分析和规划。
例如，在城市开发过程中，可以利用GIS和RS数据融合，对土地的类型、用途和开发潜力进行评估，从而提高城市规划的科学性和可行性。
2. 环境监测GIS和RS数据融合在环境监测中有着广泛的应用。
例如，可以利用遥感影像和地理信息数据，对地表覆盖类型、水质情况和气候条件等进行综合分析。
通过数据融合，可以实现对环境变化的准确监测和预测，为环境保护和资源管理提供科学依据。
如何进行GIS与遥感的空间数据融合
如何进行GIS与遥感的空间数据融合GIS与遥感是两个地理信息科学领域中非常重要的技术手段，它们分别运用了地理信息系统和遥感技术，能够提供丰富的空间数据。
而将GIS与遥感进行空间数据融合，可以进一步提高地理信息处理的精度和应用的效果。
本文将探讨如何进行GIS与遥感的空间数据融合，以及融合后的应用。
首先，GIS与遥感的空间数据融合可以通过图像配准实现。
遥感图像和GIS地图的坐标系统和参考坐标系可能存在差异，因此需要进行图像配准，即将遥感图像与GIS地图坐标系统进行匹配。
图像配准的过程可以通过特征点匹配、地面控制点等方法实现，最终将两者的坐标系统对齐。
这样一来，就能够在GIS平台上对遥感图像进行处理和分析，进一步提高地理信息处理的精度。
其次，GIS与遥感的空间数据融合可以通过影像融合技术实现。
GIS地图通常是矢量数据，而遥感图像是栅格数据，两者的特点不同。
影像融合技术可以将遥感图像的栅格数据与GIS地图的矢量数据进行融合，生成更为综合的空间数据。
影像融合技术包括像素级融合、特征级融合等，可以根据具体需求选择适当的方法。
融合后的数据既有矢量数据的特点，又能够表达遥感图像中的细节信息，使得地理信息处理更加全面和准确。
除了上述的数据融合方法，GIS与遥感的空间数据融合还可以通过模型集成实现。
模型集成是将GIS分析模型和遥感影像处理算法相结合，利用两者的优势，提高空间数据处理的效果。
例如，在遥感图像中提取出某一类地物的信息后，可以将此信息与GIS中的其他数据进行叠加分析，进一步分析该地物与其他地理要素的关系。
模型集成的好处是使得GIS与遥感的空间数据融合更加灵活，可根据需求选择不同的分析方法和模型，提高分析结果的准确性和可靠性。
融合后的GIS与遥感空间数据可以在许多领域中得到应用。
例如，在城市规划中，利用融合后的数据可以更好地分析城市的空间分布、土地利用情况等，为城市规划提供科学依据。
在资源管理中，融合后的数据可以用于监测自然资源的变化、研究生态环境的演变等，有助于资源管理的决策。
测绘技术中的数据整合方法
测绘技术中的数据整合方法近年来，测绘技术的发展日新月异，各种高精度的仪器设备以及现代化的数据处理软件的应用，使得测绘工作变得更加准确、高效。
然而，在实际的测绘过程中，测量出的原始数据需要进行整合和融合，以便更好地反映地理实体的真实情况。
本文将介绍一些测绘技术中常用的数据整合方法。
一、数据的收集与分类在数据整合之前，首先需要对要收集的数据进行分类。
以地理信息系统（Geographic Information System，简称GIS）为例，常见的数据类型包括空间数据、属性数据和拓扑数据。
空间数据是指地理空间信息，可以表示为点、线、面等形式。
属性数据是对地理实体的详细描述，如名称、面积、海拔等。
拓扑数据则是用来描述地理要素之间的关系，例如两个点之间是否相邻，两个线之间是否相交等。
二、数据的数据格式转换由于测绘技术中使用的数据格式众多，不同软件、仪器之间常常存在不兼容问题，因此需要进行数据格式转换。
常见的数据格式转换工具有ArcGIS、MapInfo等，可以将不同格式的数据转换为统一的标准格式，以便进行后续的数据整合工作。
三、数据的空间配准在进行数据整合前，需要进行数据的空间配准，即将不同数据源采集的数据对齐。
空间配准可以通过两种方法实现：基于地面控制点的配准和基于特征的自动配准。
基于地面控制点的配准是通过在地图上选取一些已知坐标的点，然后根据这些点的坐标信息将不同数据源的数据进行对齐。
这种方法通常适用于相对较小的范围，且需要人工参与。
而基于特征的自动配准则是根据地图上的一些特征点（如交叉口、建筑物等）的位置信息，自动对不同数据源采集的数据进行对齐。
这种方法适用于相对较大的范围，且可以提高配准的效率和准确度。
四、数据的空间关系建立数据的空间关系建立是数据整合中的重要步骤之一。
在测绘技术中，数据之间常常需要建立邻接关系、包含关系、相交关系等空间关系。
有些软件提供了快速构建空间关系的功能，例如ArcGIS的拓扑关系检查工具。
地理信息系统中的数据融合技术
地理信息系统中的数据融合技术地理信息系统（Geographic Information System，简称GIS）是一种将地理空间数据与非空间数据进行集成、存储、检索、分析和展示的技术系统。
它在许多领域起到了重要的作用，如城市规划、自然资源管理和应急响应等。
而在GIS的应用过程中，数据融合技术是至关重要的环节。
一、数据融合技术的定义及意义数据融合技术是指将来自不同数据源的数据进行整合和处理的技术方法。
在GIS中，数据源可以包括卫星遥感数据、空间数据库、传感器数据等，而这些数据往往具有不同的格式、分辨率和精度。
通过数据融合技术，可以有效地将这些异构数据整合为统一的数据集，提高数据质量和准确性。
数据融合技术在GIS中的应用具有广泛的意义。
首先，数据融合可以减少数据冗余和重复采集，提高数据利用率。
其次，通过整合不同来源的数据，可以获得更全面、综合的地理信息，进而为决策提供更准确的依据。
此外，数据融合还可以用于监测和分析，帮助发现数据之间的关联性和规律性，为问题的解决提供更深入的洞察。
二、数据融合技术的方法在GIS中，有多种方法可用于数据融合，常见的方法包括：1. 特征级融合：特征级融合是指将不同源数据中的特征进行提取和融合。
通过分析各类数据的特征，并将它们进行统一的表示和处理，可以得到更综合的地理信息。
2. 图像级融合：图像级融合是指将来自不同传感器的图像进行融合，生成更高分辨率和更丰富信息的影像数据。
这种方法常用于卫星遥感数据的处理，可以在细节上提高图像的清晰度和质量。
3. 数据库级融合：数据库级融合是指将来自不同数据库的数据进行整合和管理。
通过建立统一的数据库模型和数据标准，可以实现各个数据库的数据共享和交互，提高数据的一致性和可访问性。
4. 规则级融合：规则级融合是指结合专家知识和规则，通过一定的逻辑和推理方法，对不同数据进行融合和推断。
这种方法常用于模型建立和预测分析等应用中，可以提高数据的解释性和应用价值。
如何进行地理信息系统数据融合
如何进行地理信息系统数据融合地理信息系统（Geographic Information System，简称GIS）是一种用于收集、存储、管理和分析地理数据的工具。
随着科技和数据处理能力的不断提升，GIS的应用领域也在不断扩大。
然而，面临的一个现实问题是，许多不同来源的地理信息数据在实践中被存储在不同的格式和结构中。
为了更好地利用这些数据，地理信息系统数据融合成为了必要的环节。
本文将探讨如何有效地进行地理信息系统数据融合。
首先，数据融合的第一步是数据预处理。
不同来源的地理信息数据往往有不同的数据格式和结构，可能存在一些不一致的问题。
为了解决这些问题，我们需要进行数据清洗和转换。
数据清洗包括消除重复数据、处理缺失数据和纠正错误数据等步骤。
数据转换涉及将不同格式的数据转换为一致的格式，以便进行后续的数据融合操作。
其次，进行数据匹配和对齐。
数据匹配是指将来自不同源的地理信息数据进行对应关联，找到它们之间的共同点和关联规则。
例如，可以利用地理坐标信息进行数据匹配。
数据对齐是指将匹配的数据进行整合，使得不同来源的数据能够在同一个坐标系统下进行比较和分析。
这一过程需要注意数据的精度和分辨率，确保在融合后的数据中能够保持合适的精度和分辨率。
然后，进行数据融合和集成。
数据融合是指将不同来源的地理信息数据进行合并，形成一个更全面、一致的数据集。
数据融合的方法包括叠加分析、插值法和权重法等。
叠加分析是将各个数据层叠加在一起，形成新的数据层，可以用于查找不同数据之间的关联关系。
插值法是通过对已知数据点进行插值计算，得到整个区域内的连续分布情况。
权重法是根据各个数据的质量和可靠性赋予权重，然后通过加权计算得到融合后的结果。
数据集成是指将融合后的数据与其他相关数据进行集成，例如将地理信息数据与人口统计数据进行集成，形成更全面的数据资料。
最后，进行数据分析和应用。
数据融合后的地理信息数据可以用于各种分析和应用领域。
例如，可以用于土地规划、环境保护、气候变化研究和交通规划等领域。
arcgis数据融合流程
arcgis数据融合流程ArcGIS是一种专业的地理信息系统（GIS）软件，可以用于处理和分析地理数据。
数据融合是将来自不同数据源的数据合并为一个完整的数据集的过程。
在ArcGIS中，可以使用不同的工具和技术来执行数据融合流程。
以下是一个简单的数据融合流程，包括数据准备、数据转换和数据整合三个主要步骤。
第一步：数据准备在进行数据融合之前，需要对原始数据进行准备。
这包括数据清理、数据格式转换和数据校正等。
数据清理是指删除或修复数据中的错误、缺失或重复项。
数据格式转换是将数据从不同的格式转换为ArcGIS可识别的格式，例如将Excel文件转换为shapefile或geodatabase格式。
数据校正是确保数据的几何和拓扑正确性，例如修复空间数据中的几何错误或拓扑错误。
第二步：数据转换数据转换是将不同数据源的数据转换为统一的数据模型和坐标系统的过程。
在ArcGIS中，可以使用工具和技术来执行数据转换。
例如，可以使用投影工具将数据转换为统一的投影坐标系统，或者使用转换工具将数据转换为统一的属性字段格式。
在数据转换的过程中，还可以进行数据筛选和属性计算等操作，以满足融合后数据集的需求。
第三步：数据整合数据整合是将转换后的数据集合并为一个完整的数据集的过程。
在ArcGIS中，可以使用合并工具或空间连接工具来进行数据整合。
合并工具可以将具有相同结构和属性的数据集合并为一个更大的数据集。
空间连接工具可以将具有相同空间属性但不同属性字段的数据集连接为一个数据集。
在数据整合的过程中，还可以进行数据字段匹配和数据冲突解决等操作，以确保融合后的数据集的一致性和完整性。
除了上述的主要步骤外，还可以使用其他ArcGIS功能来进一步处理和分析融合后的数据集。
例如，可以使用空间分析工具进行空间关系分析和空间统计分析，或者使用数据挖掘工具进行模式识别和趋势分析。
此外，还可以使用地图制作工具和数据发布工具将融合后的数据集制作成地图并发布到互联网上。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
浅谈GIS空间数据融合的方法
【摘要】首先分析gis数据库中多源空间数据的产生过程，然后探讨多源空间数据融合的方法及应用前景。
【关键词】gis；栅格数据；矢量数据；数据融合
中图分类号： c37 文献标识码： a 文章编号：
0引言
gis(geographicinformationsystem地理信息系统)是以采集、存储、描述、分析和应用与空间地理分布有关的数据的计算机系统。
dm(datamining数据挖掘)是指把人工智能、机器学习与数据库等技术结合起来，计算机自动地从数据库或数据仓库中的大量数据中揭示出隐含的、先前未知的并具有潜在价值的信息或模式，以解决数据量大而知识贫乏这一困扰专家系统(es)的知识瓶颈问题的非平凡过程。
事实上，gis数据库中含有丰富的数据和信息，是自然界和人类活动的共同产物，专家系统所需的许多知识就隐含在这些数据和信息之中。
所以，如果能将计算机科学的dm技术用于gis，从gis数据库中自动生成专家系统所需的知识，无疑将会给知识获取问题的解决带来无限生机。
到目前为止，已经形成了比较完整的数据挖掘理论和方法体系，同时在数字制图中，将同一地区相同坐标系统，相同比例尺的多种不同来源或不同格式的空间数据根据需要合并成一种新的空间数据。
从数据结构上来说，矢量和栅格是地理信息系统中两种主要的空间数据结构。
由于这些数据来源、结构和格式的不同，需要采用一定的技术方法，才能将不同来源的各种空
间数据进行融合。
1 栅格数据之间的融合
在数字制图中和gis工程中，经常用到不同来源、不同精度、不同内容的栅格图像数据进行复合而生成新的栅格图像。
目前使用的各种多源图像处理与分析系统为栅格型地理信息系统的实现开辟
一条新的途径,可实现栅格数据的各种融合。
而在数字制图中，多源栅格图像数据之间的融合已经非常普遍。
在数字制图中，图像融合涉及色彩、光学等领域，在专业的图像处理软件（如erdas、pci、photomapper）或一般的图像处理软件（如photoshop）都可进行，主要是通过图像处理的方式透明地叠加显示各个图层的栅格图。
一般要经过图像配准、图像调整、图像复合等环节。
具体过程如下：
⑴图像配准。
各种图像由于各种不同原因会产生几何失真，为了使两幅或多幅图像所对应的地物吻合，分辨率一致，在融合之前，需要对图像数据进行几何精度纠正和配准，这是图像数据融合的前提。
⑵图像调整。
为了增强融合后的图像效果和某种特定内容的需要，进行一些必要的处理，如为改善图像清晰度而做的对比度、亮度的改变，为了突出图像中的边缘或某些特定部分而做的边缘增强（锐化）或反差增强，改变图像某部分的颜色而进行的色彩变化等。
⑶图像复合。
对于两幅或多幅普通栅格图像数据的叠加，需要对上层图像做透明处理，才能显示各个图层的图像，透明度就具体情
况而定。
在遥感图像的处理中，由于其图像的特殊性，他们之间的复合方式相对复杂而且多样化，其中效果最明显、应用最多的是进行彩色合成。
2 矢量数据之间的融合
矢量数据是gis和数字制图中最重要的数据源。
目前很多gis软件都有自己的数据格式，每种软件都有自己特定的数据模型，而正是这些软件的多样性，导致矢量数据存储格式和结构的不同。
要进行各系统的数据共享，必须对多源数据进行融合。
矢量数据之间的融合是应用最广泛的空间数据融合形式，也是空间数据融合研究的重点。
目前对矢量数据的融合方法有多种，其中最主要的、应用最广泛的方法是先进行数据格式的转换即空间数据模型的融合，然后是几何位置纠正，最后是重新对地图数据各要素进行的重新分类组合、统一定义。
3矢量数据和栅格数据的融合
过去人们普遍认为空间数据的栅格结构和矢量结构这两种结构互不相容。
原因是栅格数据结构需要大量的计算机内存来存储和处理，才能达到或接近与矢量数据结构相同的空间分辨率，而矢量结构在某些特定形式的处理中，很多技术问题又很难解决。
栅格数据结构对于空间分析很容易，但输出的地图精确度稍差；相反矢量数据结构数据量小，且能够输出精美的地图，但空间分析相当困难等等。
3.1栅格图象与线划矢量图融合
这是两种结构数据简单的叠加，是gis里数据融合的最低层次。
如遥感栅格影像与线划矢量图叠加，遥感栅格影像或航空数字正射影像作为复合图的底层。
线划矢量图可全部叠加，也可根据需要部分叠加，如水系边线、交通主干线、行政界线、注记要素等等。
3.2遥感图像与dem的融合
这是目前生产数字正射影像地图dom常用的一种方法。
在jx4a、virtuozo等数字摄影测量系统中，利用已有的或经影像定向建模获取的dem，对遥感图像进行几何纠正和配准。
因为dem代表精确的地形信息，用它来对遥感、航空影像进行各种精度纠正，可以消除遥感图像因地形起伏造成图像的像元位移，提高遥感图像的定位精度；dem还可以参与遥感图像的分类，在分类过程中，要收集与分析地面参考信息和有关数据，为了提高分类精度，同样需要用dem 对数字图像进行辐射校正和几何纠正。
4 数据融合应用前景
在数字制图中，栅格图像之间的融合已经在各种部门广泛应用，特别是在遥感图像的处理上，其技术手段也比较成熟；他们的发展方向主要应从应用的角度去丰富它们的融合方式，拓展它们的应用领域。
而结构复杂、对软硬件都有很高要求的各种格式的矢量数据之间的融合是目前gis的难点，也是主要的研究方向。
主要有以下两种趋势：
4.1数据互操作模式
数据互操作模式是opengis consortium (ogc) 制定的规范。
ogc
为数据互操作制定了统一的规范，从而使得一个系统同时支持不同的空间数据格式成为可能。
根据ogc颁布的规范，可以把提供数据源的软件称为数据服务器（data servers），把使用数据的软件称为数据客户（data clients），数据客户使用某种数据的过程就是发出数据请求，由数据服务器提供服务的过程，其最终目的是使数据客户能读取任意数据服务器提供的空间数据。
ogc规范逐渐成为一种国际标准，将被越来越多的gis软件以及研究者所接受和采纳。
其主要特点是独立于具体平台，数据格式不需要公开，代表着数据共享技术的发展方向。
4.2直接数据访问模式
直接数据访问指在一个gis软件中实现对其他软件数据格式的直接访问，用户可以使用单个gis软件存取多种数据格式。
直接数据访问不仅避免了频繁的数据转换，而且在一个gis软件中访问某种软件的数据格式不要求用户拥有该数据格式的宿主软件，更不需要该软件运行。
直接数据访问提供了一种更为经济实用的多源数据集成模式。
5结语
使有限数据的gis成为具有无限知识的gis。
尽管gis中存储了大量的数据，但其容量总是有限的。
由于gis处理的数据对象是空间对象，有很强的时空特性，周期短、变化快，具有动态性；而获取数据的手段也复杂多样，很多gis软件都有自己的数据格式，造成gis在基础图形数据的共享与标准化方面严重滞后，这是制约gis
发展的一个主要瓶颈。
以目前的发展水平，各种空间数据的融合是gis降低建设成本最重要的一种办法，但其中很多的技术问题还需要解决，还需要进一步深入研究。
参考文献
1陆守一，唐小明，王国胜.地理信息系统实用教程（第2版）.中国林业出版社，2000.12.范明等译.数据挖掘——概念与技术[m]机械工业出版社，2001-083.石云等.空间数据采掘的研究与发展[j].计算机研究与发展，1999。