Benutzer: Gast  Login
Originaltitel:
Generalized spatial association modeling driven by the nature of geospatial data
Übersetzter Titel:
Generalisierte räumliche Assoziationsmodellierung, getrieben von der Natur der georäumlichen Daten.
Autor:
Luo, Peng
Jahr:
2024
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Engineering and Design
Institution:
Kartographie und Visuelle Analytik (Prof. Meng)
Betreuer:
Meng, Liqiu (Prof. Dr.)
Gutachter:
Meng, Liqiu (Prof. Dr.); Mocnik, Franz-Benjamin (Prof. Dr.); Liu, Yu (Prof.)
Sprache:
en
Fachgebiet:
GEO Geowissenschaften
TU-Systematik:
BAU 950
Kurzfassung:
Accurate description of spatial data is crucial for successful spatial analysis. This thesis aims to generalize modeling of spatial association to address challenges in descriptive, explanatory, and predictive tasks in spatial analysis. It focuses on detecting overlapping community structures, explaining nonlinear geographical variable interactions, and enhancing spatial prediction in sparse and biased samples. By bridging research gaps, it facilitates better decision-making processes.
Übersetzte Kurzfassung:
Eine präzise Beschreibung räumlicher Daten ist entscheidend für erfolgreiche räumliche Analyse. Diese Arbeit verallgemeinert die Modellierung räumlicher Assoziation, um deskriptive, erklärende und prädiktive Herausforderungen anzugehen. Sie fokussiert sich auf die Erkennung überlappender Gemeinschaftsstrukturen, erklärt nichtlineare geographische Variableninteraktionen und verbessert räumliche Vorhersagen bei spärlichen und voreingenommenen Stichproben.
WWW:
https://mediatum.ub.tum.de/?id=1738284
Eingereicht am:
25.03.2024
Mündliche Prüfung:
21.06.2024
Dateigröße:
73635839 bytes
Seiten:
203
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240621-1738284-1-4
Letzte Änderung:
25.10.2024
 BibTeX