Observatorio de I+D+i UPM

Memorias de investigación
Artículos en revistas:
Visualizing High-Dimensional Input Data With Growing Self-Organizing Maps
Año:2007
Áreas de investigación
  • Inteligencia artificial
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
JCR del ISI
No
Título de la revista
Lecture Notes in Computer Science
ISSN
0302-9743
Factor de impacto JCR
0
Información de impacto
Volumen
4507
DOI
Número de revista
0
Desde la página
580
Hasta la página
587
Mes
SIN MES
Ranking
Esta actividad pertenece a memorias de investigación
Participantes
  • Participante: Soledad Delgado Sanz
  • Autor: M.Estibaliz Martinez Izquierdo (UPM)
  • Autor: Agueda Arquero Hidalgo (UPM)
  • Autor: Consuelo Gonzalo Martin (UPM)
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
S2i 2021 Observatorio de investigación @ UPM con la colaboración del Consejo Social UPM
Cofinanciación del MINECO en el marco del Programa INNCIDE 2011 (OTR-2011-0236)
Cofinanciación del MINECO en el marco del Programa INNPACTO (IPT-020000-2010-22)