Memorias de investigación
Ponencias en congresos:
Visualizing High-Dimensional Input Data With Growing Self-Organizing Maps
Año:2007

Áreas de investigación
  • Geología

Datos
Descripción
Currently, there exist many research areas that produce large multivariable datasets that are difficult to visualize in order to extract useful information. Kohonen self-organizing maps have been used successfully in the visualization and analysis of multidimensional data. In this work, a projection technique that compresses multidimensional datasets into two dimensional space using growing self-organizing maps is described. With this embedding scheme, traditional Kohonen visualization methods have been implemented using growing cell structures networks. New graphical map displays have been compared with Kohonen graphs using two groups of simulated data and one group of real multidimensional data selected from a satellite scene
Internacional
Si
Nombre congreso
Sensing and understanding our planet
Tipo de participación
960
Lugar del congreso
Revisores
Si
ISBN o ISSN
1-4244-1212-9
DOI
Fecha inicio congreso
Fecha fin congreso
Desde la página
Hasta la página
Título de las actas

Esta actividad pertenece a memorias de investigación

Participantes

Grupos de investigación, Departamentos, Centros e Institutos de I+D+i relacionados
  • Creador: Grupo de Investigación: Informática Aplicada al Procesado de Señal e Imagen
  • Departamento: Arquitectura y Tecnología de Sistemas Informáticos