Geri Dön

Complexity management in visualization of very large spatial data

Çok büyük konumsal verinin görselleştirilmesinde karmaşıklık yönetimi

  1. Tez No: 490260
  2. Yazar: BİLGEHAN ÇAKMAK
  3. Danışmanlar: YRD. DOÇ. DR. BURKAY GENÇ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: İngilizce
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Bilişim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Grafiği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 105

Özet

Veri görselleştirme görselleştirilecek verilerin boyutunun sürekli artması nedeniyle gün geçtikçe zorlaşıyor. Özellikle akıllı telefonların hemen hemen herkesin konum verisi üremesi sağladığı düşünülürse büyük coğrafi verileri bir istisna değildir. Bununla birlikte, bu tür büyük verilerin görselleştirilmesi düşük zum sevilerinde kalabalık, dağınık ve okunamaya bir haritada yapılmasını gerektirir. Zum seviyesini arttırırsak, daha fazla ayrıntı görüntüleyebiliriz, ancak görselin bütünlüğünü kaybederiz. Bu çalışmada, harita üzerinde ikili bir özelliğin görüntülenmesi durumunu değerlendiriyoruz. Verilerdeki özellik kümelerini tanımaya yönelik üç farklı yaklaşım uyguluyoruz. Daha sonra her küme iki özellik değerinden birini taşıyan bir coğrafi bölgeye denk getirilmektedir. Bu tip bir görselleştirme daha az bilgi kaybına neden olur. Kayıpları bilgi entropisi açısından ölçerek bu üç yöntemi entropi kazanımı, hafıza ve hız açısından karşılaştırıyoruz. Ayrıca, farklı görselleştirme senaryoları altında, ayrıntılı numaralandırılmış sonuçlar sağlıyoruz.

Özet (Çeviri)

Data visualization is becoming more challenging by the day due to a continuous increase in the size of data to be visualized. Geographical data is no exception, especially considering that smart phones enable almost anybody to produce location data. However, visualization of such large data has to be done on a map, which be- comes crowded, cluttered and unreadable at lower zoom levels. If we increase the zoom level, we can display more details, but we lose the completeness of visuals. In this study, we consider a binary feature to be visualized on a map. We apply three different approaches to recognize feature clusters within the data. Each cluster then corresponds to a geographical region and one of the two feature values. The visualization done like this results in a minor amount of information loss. We compare these three methods with respect to entropy gain, memory and speed by measuring this loss in terms of information entropy. Also, we provide detailed enumerative results under different visualization scenarios.

Benzer Tezler

  1. 3B kent modellemede genelleştirme problemleri ve ayrıntı düzeyi (LoD) kavramı

    Generalization problems of 3D city modelling and level of detail (LoD) concept

    AZİZE UYAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. NESİBE NECLA ULUĞTEKİN

  2. Nesneye yönelik sistemlerde kusurlu sınıfların öngörülmesi için makine öğrenmesi temelli bir yöntem oluşturulması

    Creating a machine learning based method for predicting defective classes in object oriented systems

    FİKRET AKTAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FEZA BUZLUCA

  3. Yapı bilgi modellemesi (5D) ile maliyet yönetiminin avantaj ve dezavantajlarının tespiti

    Determining advantages and disadvantages of 5D BIM cost management

    FARUK GÜLERSES

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ESİN ERGEN PEHLEVAN

  4. Automatic reconstruction and efficient visualization of 3D city models

    3B şehir modellerinin otomatik üretimi ve etkili görselleştirilmesi

    MEHMET BÜYÜKDEMİRCİOĞLU

    Doktora

    İngilizce

    İngilizce

    2023

    Jeodezi ve FotogrametriHacettepe Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. SULTAN KOCAMAN

  5. Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK