This dissertation addresses the challenges of analytical reasoning under conditions of uncertainty when working with geospatial data. It serves three research objectives: (1) to evaluate the feasibility of the Bayesian Network in representing conditional dependencies among heterogeneous spatial data; (2) to implement visual analytics scenarios that can demonstrate human-data discourses; (3) to build a prototype of a Bayesian Network-enabled visual analytical system dedicated to geospatial data classification tasks.
«
This dissertation addresses the challenges of analytical reasoning under conditions of uncertainty when working with geospatial data. It serves three research objectives: (1) to evaluate the feasibility of the Bayesian Network in representing conditional dependencies among heterogeneous spatial data; (2) to implement visual analytics scenarios that can demonstrate human-data discourses; (3) to build a prototype of a Bayesian Network-enabled visual analytical system dedicated to geospatial data...
»
Übersetzte Kurzfassung:
Diese Dissertation befasst sich mit den Herausforderungen des analytischen Schlussfolgerns unter Beachtung von Unsicherheiten bei der Arbeit mit Geodaten. Die drei Forschungsziele sind: (1) die Verwendbarkeit des Bayes'schen Netzes beim Darstellen bedingter Abhängigkeiten zwischen heterogenen raumbezogenen Daten; (2) die Implementierung visueller Datenanalyse-Szenarien, die dem Nutzer eine Interaktion mit dem Datensatz ermöglichen; (3) die Entwicklung eines Prototypen eines Bayes'schen netzwerkfähigen visuellen Analysesystems, speziell für die Klassifizierung von Geodaten.
«
Diese Dissertation befasst sich mit den Herausforderungen des analytischen Schlussfolgerns unter Beachtung von Unsicherheiten bei der Arbeit mit Geodaten. Die drei Forschungsziele sind: (1) die Verwendbarkeit des Bayes'schen Netzes beim Darstellen bedingter Abhängigkeiten zwischen heterogenen raumbezogenen Daten; (2) die Implementierung visueller Datenanalyse-Szenarien, die dem Nutzer eine Interaktion mit dem Datensatz ermöglichen; (3) die Entwicklung eines Prototypen eines Bayes'schen netzwer...
»