haku: @keyword Hidden Markov Model / yhteensä: 9
hakutulos-lista
viite: 6 / 9
« edellinen | seuraava »
Tekijä:Sulkava, Mikael
Työn nimi:Identifying spatial and temporal profiles from forest nutrition data
Spatiaalisten ja ajallisten profiilien tunnistaminen metsän ravinnedatasta
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2003
Sivut:76      Kieli:   eng
Koulu/Laitos/Osasto:Teknillisen fysiikan ja matematiikan osasto
Oppiaine:Informaatiotekniikka   (T-122)
Valvoja:Hollmén, Jaakko
Ohjaaja:
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     | Arkisto
Avainsanat:self-organizing map
clustering
hidden Markov model
spatial statistics
forest
itseorganisoiva kartta
klusterointi
kätketty Markov-malli
spatiaaliset tilastomenetelmät
metsä
Tiivistelmä (fin):Tämä diplomityö on tehty Teknillisen korkeakoulun Informaatiotekniikan laboratorion Intelligent Data Engineering -tutkimusryhmässä yhteistyössä Metsäntutkimuslaitoksen kanssa.

Työssä tutkittiin erilaisten data-analyysimenetelmien avulla männyn- ja kuusenneulasten ravinnepitoisuuksia Suomessa ja Itävallassa vuosilla 1987-2000.
Tavoitteena oli analysoida ravinteiden maantieteellistä ja ajallista jakaumaa sekä yleisesti selvittää minkälainen mittausdatan sisäinen rakenne on.
Kyseessä oli siis varsin selkeästi data-analyysiongelma.
Käytettyjä analyysimenetelmiä olivat spatiaaliset tilastomenetelmät, itseorganisoivan kartan klusterointi sekä aikasarjamallitus.

Työssä selvisi, että spatiaalinen tilastollinen tunnusluku semivarianssi on kohtalaisen käyttökelpoinen, muttei kuitenkaan ällistyttävän hyvä mitta paikallisten ravinnepitoisuuksiin vaikuttavien tekijöiden tutkimiseen.
Lisäksi havaittiin, että mittaustuloksia interpoloimalla voidaan tuottaa miellyttävän näköisiä sekä, datan maantieteellisen rakenteen hahmottamista helpottavia kuvia.

Itseorganisoivan kartan käyttöön perustuva klusterointimenetelmä tuotti uutta tietoa ravinnepitoisuuksien suhteista eri vuosina ja eri paikoissa.
Sen avulla mittaustulokset voitiin jakaa kuuteen ryhmään, joissa kussakin neulasten kasvu ja ravinteiden määrät ovat omanlaisiansa.
Eri ryhmät kuvasivat siis erilaisia metsän kasvuolosuhteita.
Menetelmän antamien tulosten perusteella metsäasiantuntijat pystyivät rakentamaan Suomen metsien kehitystä kuvaavan mallin.

Aikasarja-analyysissä käytetyn kätketyn Markov-mallin avulla saatu kuvaus mittausten ajallisesta rakenteesta ei ollut yhtä informatiivinen kuin muiden tutkittujen menetelmien tulokset.
Mallin avulla saatu datan luokittelu kahteen ryhmään ei antanut erityisen kiinnostavaa tietoa eri mittausten välisistä yhteyksistä.
ED:2003-09-02
INSSI tietueen numero: 19903
+ lisää koriin
« edellinen | seuraava »
INSSI