DSpace UNL

NOVA Information Management School (NIMS) >
NIMS - Dissertações de Mestrado em Estatística e Gestão da Informação >

Please use this identifier to cite or link to this item: http://hdl.handle.net/10362/2631

Título: Visualization of clusters in geo-referenced data using three-dimensional self-organizing maps
Autor: Gorricha, Jorge Manuel Lourenço
Orientador: Lobo, Victor José de Almeida e Sousa
Palavras-chave: Self-organizing map
Clusters analysis
Geo-referenced data
Unsupervised neural networks
Issue Date: 19-Jan-2010
Relatório da Série N.º: Mestrado em Estatística e Gestão de Informação;TEGI0240
Resumo: The Self-Organizing Map (SOM) is an artificial neural network that performs simultaneously vector quantization and vector projection. Due to this characteristic, the SOM is an effective method for clustering analysis via visualization. The SOM can be visualized through the output space, generally a regular two-dimensional grid of nodes, and through the input space, emphasizing the vector quantization process. Among all the strategies for visualizing the SOM, we are particularly interested in those that allow dealing with spatial dependency, linking the SOM to the geographic visualization with color. One possible approach, commonly used, is the cartographic representation of data with label colors defined from the output space of a two-dimensional SOM. However, in the particular case of geo-referenced data, it is possible to consider the use of a three-dimensional SOM for this purpose, thus adding one more dimension in the analysis. In this dissertation is presented a method for clustering geo-referenced data that integrates the visualization of both perspectives of a three dimensional SOM: linking its output space to the cartographic representation through a ordered set of colors; and exploring the use of frontiers among geo-referenced elements, computed according to the distances in the input space between their Best Matching Units.
Descrição: Dissertação apresentada como requisito parcial para obtenção do grau de Mestre em Estatística e Gestão de Informação
URI: http://hdl.handle.net/10362/2631
Appears in Collections:NIMS - Dissertações de Mestrado em Estatística e Gestão da Informação

Files in This Item:

File Description SizeFormat
TEGI0240.pdf1,76 MBAdobe PDFView/Open

Please give feedback about this item
FacebookTwitterDeliciousLinkedInDiggGoogle BookmarksMySpace
Formato BibTex MendeleyEndnote Logotipo do DeGóis 

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.


Universidade Nova de Lisboa  - Feedback
Promotores do RCAAP   Financiadores do RCAAP

Fundação para a Ciência e a Tecnologia Universidade do Minho   Governo Português Ministério da Educação e Ciência PO Sociedade do Conhecimento (POSC) Portal oficial da União Europeia