Fechar
Metadados

@MastersThesis{Silva:2004:MaAuAn,
               author = "Silva, Marcos Aur{\'e}lio Santos da",
                title = "Mapas auto-organiz{\'a}veis na an{\'a}lise explorat{\'o}ria de 
                         dados geoespaciais multivariados",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2004",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2004-03-08",
             keywords = "redes neurais, intelig{\^e}ncia artificial, 
                         distribui{\c{c}}{\~a}o espacial, Sistemas de 
                         Informa{\c{c}}{\~o}es Geogr{\'a}ficas (SIG), an{\'a}lise de 
                         agrupamento, neural nets, artificial intelligence, spatial 
                         distribution, geographic information systems, cluster analysis.",
             abstract = "Os Mapas Auto-organiz{\'a}veis t{\^e}m sido aplicados, com 
                         sucesso, em variados problemas de an{\'a}lise explorat{\'o}ria 
                         de dados multi-variados, todavia, poucos s{\~a}o os trabalhos 
                         voltados para a an{\'a}lise de dados coletados para unidades 
                         espaciais definidas, como os dados produzidos por censos 
                         demogr{\'a}ficos, aqui chamados genericamente por dados 
                         geoespaciais. Este trabalho apresenta uma metodologia para a 
                         an{\'a}lise destes dados que contempla desde a 
                         verifica{\c{c}}{\~a}o de dados at{\'{\i}}picos at{\'e} a 
                         an{\'a}lise de depend{\^e}ncia espacial, fazendo uso, como 
                         ferramentas, somente do Mapa Auto-organiz{\'a}vel e seus 
                         algoritmos relacionados. Pode-se dividir a metodologia em quatro 
                         partes: detec{\c{c}}{\~a}o de dados at{\'{\i}}picos 
                         atrav{\'e}s da an{\'a}lise da matriz de dist{\^a}ncia unificada 
                         (U-matriz), an{\'a}lise de componentes atrav{\'e}s dos Planos de 
                         Componentes, detec{\c{c}}{\~a}o autom{\'a}tica de agrupamentos 
                         atrav{\'e}s do algoritmo Costa-Netto e an{\'a}lise da 
                         distribui{\c{c}}{\~a}o e depend{\^e}ncia espaciais a partir dos 
                         Planos de Componentes e do particionamento dos dados na etapa 
                         anterior, respectivamente. Para a aplica{\c{c}}{\~a}o da 
                         metodologia proposta foi projetado e implementado um ambiente 
                         computacional integrado para an{\'a}lise explorat{\'o}ria de 
                         dados, que faz extensivo uso de banco de dados geogr{\'a}fico 
                         atrav{\'e}s da biblioteca aberta TerraLib (terralib.dpi.inpe.br). 
                         Comp{\~o}em este ambiente a biblioteca SOMLib e o sistema CASA - 
                         Connectionist Approach for Spatial Analysis of Areal Data. A 
                         biblioteca SOMLib compreende um conjunto de classes em C++ 
                         projetadas a partir do uso de padr{\~o}es de projeto e outras 
                         t{\'e}cnicas modernas de programa{\c{c}}{\~a}o, cujo objetivo 
                         Že implementar os algoritmos relacionados com os Mapas 
                         Auto-organiz{\'a}veis, de maneira a considerar a escalabilidade, 
                         a capacidade de manuten{\c{c}}{\~a}o do projeto e a 
                         conectividade com a biblioteca TerraLib. O sistema CASA {\'e} um 
                         simulador neural SOM 2-D, com interface gr{\'a}fica, desenvolvido 
                         sobre as bibliotecas SOMLib e QT para execu{\c{c}}{\~a}o das 
                         tarefas de an{\'a}lise explorat{\'o}ria de dados geoespaciais. 
                         Para valida{\c{c}}{\~a}o da metodologia e do ambiente 
                         computacional de an{\'a}lise geogr{\'a}fica com redes SOM a 
                         mesma foi aplicada no problema de an{\'a}lise de indicadores de 
                         exclus{\~a}o/inclus{\~a}o social no munic{\'{\i}}pio de 
                         S{\~a}o Jos{\'e} dos Campos, S{\~a}o Paulo. Os resultados desta 
                         aplica{\c{c}}{\~a}o foram comparados com resultados anteriores, 
                         para o mesmo conjunto de dados, obtidos atrav{\'e}s de 
                         t{\'e}cnicas estat{\'{\i}}sticas e mostraram que os Mapas 
                         Auto-organiz{\'a}veis e os algoritmos relacionados s{\~a}o 
                         ferramentas robustas para a tarefa de an{\'a}lise 
                         explorat{\'o}ria de dados geoespaciais. ABSTRACT: Self-Organizing 
                         Maps (SOM) have being applied, successfully, in a variety of 
                         problems of exploratory analysis of multivaried data, however, few 
                         are the works related to the analysis of geospatial data. This 
                         work considers a methodology of analysis of geoespacial data that 
                         contemplates from the verification of outliers to the analysis of 
                         space dependence using a Self-Organizing Map and its related 
                         algorithms as tools. The methodology is divided into four parts: 
                         detection of outliers through the analysis of the matrix of 
                         unified distance (U-matrix), analysis of components through the 
                         Component Planes, automatic clustering through the Costa-Nettos 
                         algorithm and analysis of the space distribution and dependence 
                         from the Component Planes and analysis of the partititioning of 
                         the data in the previous stage, respectively. The application of 
                         the methodology was carried out with direct access to geographic 
                         data through the integration with the TerraLib library 
                         (terralib.dpi.inpe.br) by a computational environment. The SOMLib 
                         library and the system CASA - Connectionist Approach for Spatial 
                         Analysis of Areal Data are components of that environment. The 
                         SOMLib library is a set of C++ classes designed by using Design 
                         Patterns and other modern programming techniques, whose objective 
                         is to implement the algorithms related with the Self-Organizing 
                         Maps in way that considers the escalability, manutenability of the 
                         project and the conectivity with the TerraLib. The CASA system is 
                         a neural 2D SOM simulator, with graphical interface, developed on 
                         the SOMLib and QT libraries. The methodology was applied to the 
                         problem of social exclusion/inclusion in the City of S{\~a}o 
                         Jos{\'e} dos Campos, S{\~a}o Paulo. The results of this 
                         application were compared with previous statistical results and 
                         showed that a Self-Organizing Map and related algorithms are 
                         robust tools for the task of exploratory analysis of geospatial 
                         data.",
            committee = "Silva, Jos{\'e} Dem{\'{\i}}sio Sim{\~o}es da (presidente) and 
                         Monteiro, Ant{\^o}nio Miguel Vieira (orientador) and Medeiros, 
                         Jos{\'e} Sime{\~a}o de (orientador) and C{\^a}mara Neto, 
                         Gilberto and Ara{\'u}jo, Alu{\'{\i}}zio Fausto Ribeiro",
           copyholder = "SID/SCD",
         englishtitle = "Self-organizing maps in the exploratory analysis of multivariate 
                         geospatial data",
             language = "pt",
                pages = "117",
                  ibi = "6qtX3pFwXQZ3P8SECKy/ByEH8",
                  url = "http://urlib.net/rep/6qtX3pFwXQZ3P8SECKy/ByEH8",
           targetfile = "publicacao.pdf",
        urlaccessdate = "05 mar. 2021"
}


Fechar