Centre de documentation
scientifique

Regionalization of youth and adolescent weight metrics for the continental United States using contiguity-constrained clustering and partitioning / Samuel Adu-Prah in Cartographica, vol 50 n° 2 (Summer 2015)  

Public [article]  inCartographica > vol 50 n° 2 (Summer 2015) . - pp 61 - 70 Titre : Regionalization of youth and adolescent weight metrics for the continental United States using contiguity-constrained clustering and partitioning Type de document : Article/Communication Auteurs : Samuel Adu-Prah, Auteur ; T. Oyana, Auteur Année de publication : 2015 Article en page(s) : pp 61 - 70 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications SIG [Termes IGN] analyse de groupement [Termes IGN] carte sanitaire [Termes IGN] partitionnement [Termes IGN] régionalisation (segmentation) [Termes IGN] santé [Termes IGN] visualisation de données Résumé : (auteur) Les techniques de collecte, les analyses et les présentations de données spatiales contemporaines ont offert de nouvelles possibilités pour les analyses de la santé publique, possibilités qui rendent parfois inappropriées les limites administratives et statistiques existantes. L'article présente un algorithme appliqué, celui de la régionalisation avec regroupement et partitionnement d'agglomérations à restrictions dynamiques (REDCAP), pour créer des régions autres que les régions prédéfinies. Les régions créées dans l'étude concernaient le poids des jeunes de la zone continentale des États-Unis. L'algorithme REDCAP intègre une restriction de contiguïté spatiale afin de créer des régions ayant les mêmes caractéristiques et la même valeur, surmontant ainsi l'obstacle existant en cartographie quant à l'utilisation courante de régions administratives et statistiques dans la présentation des résultats. L'étude a produit des régions de 10 à 25 catégories reflétant les valeurs basses et élevées de la prévalence de l'obésité chez les jeunes des États-Unis sans recourir aux limites des comtés ni aux frontières des États existantes. Les résultats offrent de nouvelles perspectives sur les régions formées de comtés ciblés comme ayant une prévalence forte de l'obésité, dont une partie n'avait pas été consignée dans des études antérieures. Cette méthode comporte un avantage considérable, puisqu'elle réduit au minimum le biais inhérent à l'utilisation des régions administratives et statistiques existantes, ce qui pose un défi en cartographie. En outre, cette méthode crée efficacement des régions fondées sur un thème précis et une fonction objective. Numéro de notice : A2015-271 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.3138/cart.50.2.2507 En ligne : http://www.utpjournals.press/doi/full/10.3138/cart.50.2.2507 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=76384 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
031-2015021	RAB	Revue	Centre de documentation	En réserve L003	Disponible

Automatic cluster identification for environnemental applications using the self-organizing maps and a new genetic algorithm / T. Oyana in Geocarto international, vol 25 n° 1 (February 2010)  

Public [article]  inGeocarto international > vol 25 n° 1 (February 2010) . - pp 53 - 69 Titre : Automatic cluster identification for environnemental applications using the self-organizing maps and a new genetic algorithm Type de document : Article/Communication Auteurs : T. Oyana, Auteur ; D. Dai, Auteur Année de publication : 2010 Article en page(s) : pp 53 - 69 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes IGN] algorithme génétique [Termes IGN] analyse de groupement [Termes IGN] carte de Kohonen [Termes IGN] découverte de connaissances [Termes IGN] environnement [Termes IGN] exploration de données géographiques [Termes IGN] photo-interprétation assistée par ordinateur [Termes IGN] système d'information géographique Résumé : (Auteur) A rapid increase of environmental data dimensionality emphasizes the importance of developing data-driven inductive approaches to geographic analysis. This article uses a loosely coupled strategy to combine the technique of self-organizing maps (SOM) with a new genetic algorithm (GA) for automatic identification of clusters in multidimensional environmental datasets. In the first stage, we employ the well-known classic SOM because it is able to handle the dimensional interactions and capture the number of clusters via visualization; and thus provide extraordinary insights into original data. In the second stage, this new GA rigorously delineates the cluster boundaries using a flexibly oriented elliptical search window. To test this approach, one synthetic and two real-world datasets are employed. The results confirm a more robust and reliable approach that provides a better understanding and interpretation of massive multivariate environmental datasets, thus maximizing our insights. Other key benefits include the fact that it provides a computationally fast and efficient environment to accurately detect clusters, and is highly flexible. In a nutshell, the article presents a computational approach to facilitate knowledge discovery of massive multivariate environmental datasets; as we are too familiar with their accelerating growth rate. Copyright Taylor & Francis Numéro de notice : A2010-054 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106040802711687 Date de publication en ligne : 14/04/2009 En ligne : https://doi.org/10.1080/10106040802711687 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=30250 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
059-2010011	RAB	Revue	Centre de documentation	En réserve L003	Disponible