Escudo de la República de Colombia
Sistema Nacional de Biliotecas - Repositorio Institucional Universidad Nacional de Colombia Biblioteca Digital - Repositorio Institucional UN Sistema Nacional de Bibliotecas UN

Representación y clasificación de datos geoespaciales: comparación entre mapas autoorganizativos de kohonen y el método gas neuronal

De Moya Aarís, Marly Esther (2010) Representación y clasificación de datos geoespaciales: comparación entre mapas autoorganizativos de kohonen y el método gas neuronal. Ingeniería e Investigación; Vol. 23, núm. 3 (2003): (53); 12-22 Ingeniería e Investigación; Vol. 23, núm. 3 (2003): (53); 12-22 2248-8723 0120-5609 .

Texto completo

[img]
Vista previa
PDF
2MB

URL oficial: http://revistas.unal.edu.co/index.php/ingeinv/arti...

Resumen

Aproximadamente el 80% de toda la información existente en el mundo corresponde a información georreferenciada. Esto crea una creciente necesidad de disponer de herramientas más flexibles, precisas y fáciles de usar para la visualización, exploración y clasificación de grandes volúmenes de datos geoespaciales. En esta investigación preliminar se comparan diferentes técnicas para representar y clasificar datos georreferenciados utilizando dos tipos de redes neuronales: mapas autoorganiztivos de Kohonen (SOM) y el método Gas Neuronal (NG). El estudio incluye dos tipos de análisis: visualización y clasificación. Para el estudio correspondiente a visualización se escogieron dos tipos de datos: En primer lugar se seleccionó una muestra de 23000 coordenadas (x,y,z) de una zona montañosa de Colombia con el objetivo de analizar la capacidad de cada uno de los métodos para modelar el terreno, es decir para presentar visualmente la forma del relieve. El segundo conjunto de datos corresponde a la población de cada uno de los 1090 municipios de Colombia (coordenadas x, y, y población total). El objetivo poder visualizar geográficamente la densidad poblacional de cada una de las regiones. Para el análisis de clasificación igualmente se seleccionaron dos conjuntos de datos: el primero corresponde a la codificación climática de los municipios de Colombia; el segundo a la clasificación de los municipios en su respectivo departamento. Para los casos de visualización, SOM mostró un mejor desempeño que NG, dándose el caso contrario para los ejemplos de clasificación., Approximately 80% of all existing information in the world correspond to geo-referenced information. This creates an increasing necessity to have tools more flexible, precise and easy to use to the visualization, exploration and classification of great volumes of geospatial data. Additionally its necessary achieve smaller times to process this kind of information. In this preliminary investigation, different techniques are compared to visualize and to classify geo-referenced data using two types of neuronal networks: Kohonen's maps (SOM) and the Neural Gas Method (NG). For the visualizaton cases, SOM showed a better performance than NG, ocurring the opposite case for the classification examples.

Tipo de documento:Artículo - Article
Información adicional:Los autores o titulares del derecho de autor de cada artículo confieren a la revista Ingeniería e Investigación de la Universidad Nacional de Colombia una autorización no exclusiva, limitada y gratuita sobre el artículo que una vez evaluado y aprobado se envía para su posterior publicación ajustándose a las siguientes características: 1.    Se remite la versión corregida de acuerdo con las sugerencias de los evaluadores y se aclara que el artículo mencionado se trata de un documento inédito sobre el que se tienen los derechos que se autorizan y se asume total responsabilidad por el contenido de su obra ante la revista Ingeniería e Investigación, la Universidad Nacional de Colombia y ante terceros. 2.    La autorización conferida a la revista estará vigente a partir de la fecha en que se incluye en el volumen y número respectivo de la revista Ingeniería e Investigación en el Sistema Open Journal Systems y en la página principal de la revista (www.revistaingenieria.unal.edu.co), así como en las diferentes bases e índices de datos en que se encuentra indexada la publicación. 3.    Los autores autorizan a la revista Ingeniería e Investigación de la Universidad Nacional de Colombia para publicar el documento en el formato en que sea requerido (impreso, digital, electrónico o cualquier otro conocido o por conocer) y autorizan a la revista Ingeniería e Investigación para incluir la obra en los índices y buscadores que estimen necesarios para promover su difusión. 4.    Los autores aceptan que la autorización se hace a título gratuito, por lo tanto renuncian a recibir emolumento alguno por la publicación, distribución, comunicación pública y cualquier otro uso que se haga en los términos de la presente autorización.
Palabras clave:Gepgraphic information System (GIS), spatial data mining, neuronal networks, Self organizating map (SOM), kohonen, neural gas, Sistemas de Información geográfica (SIG), mineria de datos espaciales, redes neuronales, Mapas Autoorganizativos (SOM), Kohonen, Gas Neuronal
Unidad administrativa:Revistas electrónicas UN > Ingeniería e Investigación
Código ID:18775
Enviado por : Dirección Nacional de Bibliotecas STECNICO
Enviado el día :25 Junio 2014 19:40
Ultima modificación:19 Agosto 2014 04:01
Ultima modificación:19 Agosto 2014 04:01
Exportar:Clic aquí
Estadísticas:Clic aquí
Compartir:

Solamente administradores del repositorio: página de control del ítem

Vicerrectoría de Investigación: Número uno en investigación
Indexado por:
Indexado por Scholar Google WorldCat DRIVER Registry of Open Access Repositories OpenDOAR Metabiblioteca BDCOL OAIster Red de repositorios latinoamericanos DSpace BASE Open archives La referencia Colombiae Open Access Theses and Dissertations Tesis latinoamericanas CLACSO
Este sitio web se ve mejor en Firefox