haku: @keyword softGIS / yhteensä: 2
hakutulos-lista
viite: 2 / 2
« edellinen | seuraava »
Tekijä:Hasanzadeh, Kamyar
Työn nimi:SoftGIS Data Mining and Analysis: A Case Study of Urban Impression in Helsinki
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2014
Sivut:viii + 48 s. + liitt. 2      Kieli:   eng
Koulu/Laitos/Osasto:Insinööritieteiden korkeakoulu
Oppiaine:Geoinformatiikka   (IA3002)
Valvoja:Virrantaus, Kirsi
Ohjaaja:Nikander, Jussi ; Ahonen-Rainio, Paula
Elektroninen julkaisu: http://urn.fi/URN:NBN:fi:aalto-201405221885
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark Aalto  1068   | Arkisto
Avainsanat:SoftGIS
knowledge discovery
Spatio-qualitative data mining
association rules
fuzzy
clustering validation
spatial analysis
visualization
Tiivistelmä (eng):In recent years there has been considerable breakthrough in acquisition of qualitative georeferenced data.
SoftGIS is one of the most prominent attempts in this context that is capable of providing useful data that has applications in different disciplines.
However, similar to any other large spatial dataset, the SoftGIS data requires a set of spatial analysis and data mining techniques in order to yield the desired information and to be considered as a reliable source of knowledge.
This thesis propounded a four stage knowledge discovery process in which several exploratory, visual and analytical spatial techniques were proposed.
Moreover, the proposed techniques were applied and implemented in a case study of urban impression in Helsinki metropolitan area.
The proposed techniques take advantage of an appropriate data quantification approach and aim to facilitate the knowledge discovery process of spatio-qualitative data and contribute to the revelation of the desired information.
Due to the distinct characteristics of this type of data, partially caused by its acquisition procedure and partially by its qualitative nature, certain considerations needed to be taken into account.
These considerations could not be accomplished without studying the data and exploring its specific characteristics.
The striking existence of cognitive uncertainty in SoftGIS data led to the application of fuzzy logic techniques in this thesis.
The results indicate that using fuzzy techniques is a promising approach towards mitigating the negative effects of the aforesaid uncertainty in SoftGIS datasets.
Furthermore, this thesis widened its domain of knowledge discovery to a less explicit realm of information through employing spatial data mining.
This resulted in discovery of interesting associations between the SoftGIS data and the neighboring building types.
ED:2014-06-01
INSSI tietueen numero: 49180
+ lisää koriin
« edellinen | seuraava »
INSSI