haku: @instructor Ahola, Jussi / yhteensä: 4
hakutulos-lista
viite: 4 / 4
« edellinen | seuraava »
Tekijä:Karasová, Véra
Työn nimi:Spatial data mining as a tool for improving geographical models
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2005
Sivut:ix + 63 + [2]      Kieli:   eng
Koulu/Laitos/Osasto:Maanmittausosasto
Oppiaine:Kartografia ja geoinformatiikka   (Maa-123)
Valvoja:Virrantaus, Kirsi
Ohjaaja:Ahola, Jussi ; Krisp, Jukka M.
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 M80     | Arkisto
Avainsanat:knowledge discovery from databases
spatial data mining
association rules
risk model
Tiivistelmä (eng):Spatial data mining is a new and rapidly developing technique for analyzing geographical data.
In this master's thesis, the usability of the technique is examined for the improvement of an existing geographical model regarding rescue operations.
The main focus of spatial data mining is set on the discovery of interesting patterns of information embedded in large geographical databases.
Due to its ability to operate without a previously formulated hypothesis. spatial data mining is becoming a popular tool for spatial data analyzes.

After a short explanation of the best known spatial data mining techniques, this thesis concentrates on association rule mining in more detail.
Discovered spatial association rules may detect useful relationships among spatially distributed objects.
Once the relations are identified, the existing spatial model can be extended by the variables with strongest relations to the modeled phenomenon.

The behavior of association rule mining is studied by applying it on sample data representing incident locations within the Helsinki city center.
The core data is provided by the Fire and Rescue department in Espoo.
To observe interaction of the incident with its neighbourhood, information of geographical objects situated within the study area is obtained from the SeutuCD geographical database.

Although spatial data mining does not yet belong to the most commonly used spatial data analyzes, it was found effective for detecting strong relationships among geographical objects.
ED:2005-06-27
INSSI tietueen numero: 28936
+ lisää koriin
« edellinen | seuraava »
INSSI