Descripción del método mean shift para análisis de datos espaciales
El Grupo de Investigación de Energías Alternativas y Ambiente (GEAA) de la Escuela Superior Politécnica de Chimborazo (ESPOCH), actualmente trabaja en el agrupamiento de datos meteorológicos a fin de comprender los patrones climáticos de la región Andina del Ecuador. En este contexto, dentro de la E...
Tallennettuna:
| Päätekijä: | |
|---|---|
| Aineistotyyppi: | bachelorThesis |
| Kieli: | spa |
| Julkaistu: |
2024
|
| Aiheet: | |
| Linkit: | https://dspace.espoch.edu.ec/handle/123456789/22772 |
| Tagit: |
Lisää tagi
Ei tageja, Lisää ensimmäinen tagi!
|
Lisää tagi | Yhteenveto: | El Grupo de Investigación de Energías Alternativas y Ambiente (GEAA) de la Escuela Superior Politécnica de Chimborazo (ESPOCH), actualmente trabaja en el agrupamiento de datos meteorológicos a fin de comprender los patrones climáticos de la región Andina del Ecuador. En este contexto, dentro de la ESPOCH, no se encuentra documentación accesible y en detalle acerca de un método de agrupación específico para este propósito. Por tanto, este estudio tuvo como objetivo realizar una investigación documental de carácter teórico-práctico, en el cual se describa el método de agrupación Mean Shift, sus fundamentos teóricos y su implementación en datos espaciales de temperatura en la región Sierra del Ecuador. Con esta finalidad, se utilizó un diseño metodológico de tipo cualitativo y cuantitativo con alcance descriptivo. En consecuencia, se obtuvo un documento bibliográfico el cual está constituido por 3 capítulos, en el primer capítulo se describió herramientas del Análisis Funcional y Teoría de Probabilidad como la técnica de Windows Parzen y el estimador de la función de densidad, en el segundo capítulo se estableció la estimación de la función de densidad multivariante y la localización de máximos a través del gradiente de densidad, y los criterios de convergencia mediante teoremas. Por último, en el tercer capítulo se implementó el método Mean shift a la variable temperatura mínima del modelo de Circulación atmosférica CNRM en un periodo 2020-2050 mediante la biblioteca Sklearn en Python. Los clústeres obtenidos reflejan una dependencia directa con la elección del ancho de banda. Se recomienda continuar con la teoría matemática de la elección del bandwidth óptimo, siendo este un campo que se encuentra en investigaciones activas. |
|---|