Representación y clasificación de datos geoespaciales: comparación entre mapas autoorganizativos de kohonen y el método gas neuronal

Aproximadamente el 80% de toda la información existente en el mundo corresponde a información georreferenciada. Esto crea una creciente necesidad de disponer de herramientas más flexibles, precisas y fáciles de usar para la visualización, exploración y clasificación de grandes volúmenes de datos geoespaciales. En esta investigación preliminar se comparan diferentes técnicas para representar y clasificar datos georreferenciados utilizando dos tipos de redes neuronales: mapas autoorganiztivos de Kohonen (SOM) y el método Gas Neuronal (NG). El estudio incluye dos tipos de análisis: visualización y clasificación. Para el estudio correspondiente a visualización se escogieron dos tipos de datos: En primer lugar se seleccionó una muestra de 23000 coordenadas (x,y,z) de una zona montañosa de Colombia con el objetivo de analizar la capacidad de cada uno de los métodos para modelar el terreno, es decir para presentar visualmente la forma del relieve. El segundo conjunto de datos corresponde a la población de cada uno de los 1090 municipios de Colombia (coordenadas x, y, y población total). El objetivo poder visualizar geográficamente la densidad poblacional de cada una de las regiones. Para el análisis de clasificación igualmente se seleccionaron dos conjuntos de datos: el primero corresponde a la codificación climática de los municipios de Colombia; el segundo a la clasificación de los municipios en su respectivo departamento. Para los casos de visualización, SOM mostró un mejor desempeño que NG, dándose el caso contrario para los ejemplos de clasificación.

• Autores: De Moya Aarís, Marly Esther
• Tipo de recurso: Article of journal
• Fecha de publicación: 2003
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/28727
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/28727; http://bdigital.unal.edu.co/18775/
• Palabra clave: Gepgraphic information System (GIS); spatial data mining; neuronal networks; Self organizating map (SOM); kohonen; neural gas; Sistemas de Información geográfica (SIG); mineria de datos espaciales; redes neuronales; Mapas Autoorganizativos (SOM); Kohonen; Gas Neuronal
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional