Resumen

La jerarquía multirresolución basada en características (FMRH) se ha aplicado en el campo del modelado de terrenos y ha obtenido resultados significativos en ingeniería real. Sin embargo, es difícil programar datos multirresolución en FMRH desde la memoria externa. En este trabajo se propone un nuevo modelo de características multiescala y estrategias relacionadas para agrupar bloques de datos espaciales y resolver los problemas de programación de FMRH mediante vecindad espacial. En el modelo, los nodos con error similar en las diferentes capas deben estar en un clúster. Sobre esta base, se propone un algoritmo de índice espacial para cada clúster guiado por la curva de Hilbert. De este modo, se garantiza que los datos del terreno de resolución múltiple puedan cargarse sin atravesar todo el FMRH; por lo tanto, se mejora la eficacia de la programación de datos. Además, se propone y se demuestra un teorema de proximidad espacial de los clústeres. Garantiza que la unión de bloques de datos compone un terreno entero sin pérdida de datos. Por último, se han realizado experimentos con diferentes conjuntos de datos a gran escala, y los resultados demuestran que el tiempo de programación se acorta y la eficiencia de la operación de E/S mejora aparentemente, lo que es importante en la ingeniería real.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:fmrh, cluster, ingeniería real, muchos conjuntos de datos diferentes a gran escala, nuevo modelo de características multiescala, resolución de datos del terreno, algoritmo de índice espacial, teorema de la proximidad espacial, bloques de datos espaciales, eficacia
• Keywords:fmrh, cluster, real engineering, many different large scale data sets, new multiscale feature model, resolution terrain data, space index algorithm, spatial closeness theorem, spatial data blocks, efficiency