• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Building research & information >Urban data-mining: spatiotemporal exploration of multidimensional data
【24h】

Urban data-mining: spatiotemporal exploration of multidimensional data

机译：城市数据挖掘：多维数据的时空探索

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

'Urban data-mining' describes a methodological approach to reveal logical or mathematical and partly complex descriptions of patterns and regularities inside a set of geospatial data. The cyclical methodology procedure is characterized by six main tasks following the initial step of data collection: data inspection, structure visualization, structure definition, structure control, operationalization, and knowledge conversion. Geovisualization and spatial analysis supplement the process of knowledge conversion and communication. The multidimensional mining approach is presented as a case study applied to 12 430 German communities to analyse multidynamic characteristics between 1994 and 2004. In particular, Emergent Self Organizing Maps (ESOM) are performed as an appropriate method for clustering and classification. Their advantage is to visualize the structure of data and later on to define a number of feasible clusters. A good evidence-base for decision-makers and the implementation of planning tools would be the spatiotemporal exploration of multidimensional data leading to specific details, explanations and abstractions in the context of dynamic community behaviour. The presented techniques are expected to be of increasing interest for the management and development of building stocks, as well as for urban and regional planning processes.
机译：“城市数据挖掘”描述了一种方法学方法，可以揭示一组地理空间数据内部的逻辑或数学以及部分复杂的模式和规律性描述。循环方法学过程的特征是在数据收集的初始步骤之后执行六个主要任务：数据检查，结构可视化，结构定义，结构控制，操作化和知识转换。地理可视化和空间分析补充了知识转换和交流的过程。多维挖掘方法是作为案例研究应用于1994年至2004年之间的12 430个德国社区的，以分析其多动态特征。特别是，进行了紧急自组织图（ESOM）作为聚类和分类的适当方法。它们的优点是可视化数据的结构，然后定义许多可行的群集。对于决策者和计划工具的实施而言，一个良好的证据基础是对多维数据的时空探索，从而在动态社区行为的背景下得出具体的细节，解释和抽象。预期所提出的技术将对建筑材料的管理和开发以及城市和区域规划过程引起越来越多的兴趣。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号