Vai al contenuto
ELECTRONICS ENGINEERINGelectronics-engineering.com
Tesi in inglese

Scot - Raggruppamento spaziale (clustering) di città tedesche

La rivoluzione dei GIS e la crescente disponibilità di basi di dati GIS sottolineano la necessità di capire meglio le grandi quantità di dati spaziali. Il clustering è un compito fondamentale del Data Mining spaziale…

https://www.electronics-engineering.com/it/scot-raggruppamento-spaziale-di-citta-tedesche/

Nessun voto ancora: sii il primo a votare questa pagina.

La rivoluzione dei GIS e la crescente disponibilità di basi di dati GIS sottolineano la necessità di capire meglio le grandi quantità di dati spaziali, tipiche di questo campo. Il clustering è un compito fondamentale del Data Mining spaziale e molti contributi dei ricercatori nel campo della scoperta di conoscenza propongono soluzioni per l’identificazione di classi nelle basi di dati spaziali. Il termine dati spaziali si riferisce a una collezione di oggetti spaziali (simili), ad esempio aree, linee o punti. Oltre all’informazione geografica, ogni oggetto possiede anche attributi non spaziali. Per applicare a questi dati gli algoritmi tradizionali di data mining, la struttura spaziale e le proprietà relazionali devono essere rese esplicite. SCOT affronta il caso particolare del raggruppamento di città tedesche. Le città sono legate tra loro dalle varie strade che le collegano. Ogni città possiede inoltre una struttura spaziale interna, la rete stradale locale, e altre informazioni non spaziali. Questa tesi considera tutti e tre i tipi di informazione per il raggruppamento delle città. Sfrutta il concetto di vicinato per catturare i vincoli relazionali, misura la somiglianza delle strutture delle reti stradali locali e trasforma gli attributi non spaziali più importanti. SCOT fa parte di un progetto del Fraunhofer IAIS, in Germania, ed è stato applicato con successo nella pratica.

Iscriviti
Notificami
guest
1 commento
Vecchi
Più recenti Le più votate
1
0
Esprimete la vostra opinione commentando.x