haku: @keyword klusterianalyysi / yhteensä: 5
viite: 4 / 5
Tekijä: | Hippeläinen, Pekka |
Työn nimi: | Cluster Analysis of Forest Parcel Data |
Palstatiedon klusterianalyysi | |
Julkaisutyyppi: | Diplomityö |
Julkaisuvuosi: | 1999 |
Sivut: | v + 67 Kieli: eng |
Koulu/Laitos/Osasto: | Teknillisen fysiikan ja matematiikan osasto |
Oppiaine: | Informaatiotekniikka (Tik-115) |
Valvoja: | Simula, Olli |
Ohjaaja: | Himberg, Johan |
OEVS: | Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossaOppimiskeskuksen 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
Opinnäytteen avaaminen
Opinnäytteen lukeminen
Opinnäytteen tulostus
|
Sijainti: | P1 Ark TF80 | Arkisto |
Avainsanat: | cluster analysis unsupervised clustering explorative data-analysis self-organizing map analysis of forest parcel data visualization of high-dimensional data klusterianalyysi ohjaamaton klusterointi eksploratiivinen data-analyysi itseorganisoiva kartta palstatiedon analysointi moniulotteisen datan visualisointi |
Tiivistelmä (fin): | Klusterianalyysi kuuluu tutkivan data-analyysin piiriin, jossa pyritään analysoimaan suuria tietoaineistoja automaattisten menetelmien avulla. Klusterianalyysi pyrkii selvittämään sisältääkö tutkittava tietoaineisto luonnollisia osajoukkoja. Mikäli tietoaineistossa on havaittavissa ryhmittymistä eli klusteroitumista, pyritään nämä osajoukot määrittämään erilaisten klusterointialgoritmien avulla. Korkeaulotteisen tietoaineiston ryhmittymisen tutkimiseen voidaan käyttää erilaisia projektiomenetelmiä, kuten pääkomponenttianalyysia, käyräviivaisten komponenttien analyysia tai itseorganisoivaa karttaa. Myös ryhmittymisestä kvantitatiivista tietoa antava algoritmi implementoitiin. Klustereiden määrittämiseen käytettiin tässä työssä ohjaamattomia menetelmiä, jotka eivät vaadi osajoukkojen lukumäärän kiinnittämistä etukäteen. Klusterointiin käytettiin hierarkkisia ja kohdefunktioon perustuvia menetelmiä. Klusteroinnin hyvyyttä pyrittiin arvioimaan käyttäen apuna taustamuuttujia ja teoreettista hyvyysmittaa. Tässä työssä tehtiin klusterianalyysi Suomessa hakkuukoneilla kaadetuille metsäpalstoille. Palstoista pyrittiin löytämään luonnollisia ryhmiä ja tutkimaan erottuisivatko nämä ryhmät palstakohtaisten taustatietojen avulla. Käsitellyt palstatiedot eivät muodostaneet selkeitä ryhmiä tehtyjen kokeiden perusteella. Tämä työ on tehty Informaatiotekniikan laboratoriossa Teknillisessä korkeakoulussa osana Oppivat ja älykkäät järjestelmät-teknologiaohjelmaa. Projektin ovat rahoittaneen Metsäteho Oy ja Teknologian kehittämiskeskus TEKES. |
ED: | 2000-01-11 |
INSSI tietueen numero: 15085
+ lisää koriin
INSSI