@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/ibi/6qtX3pFwXQZ3P8SECKy/ByEH8",
targetfile = "publicacao.pdf",
urlaccessdate = "06 maio 2024"
}