v.classgrass - Online di Cloud

PROGRAM:

NAMA

v.kelas - Mengklasifikasikan data atribut, misalnya untuk pemetaan tematik

KEYWORDS

vektor, klasifikasi, tabel atribut, statistik

RINGKASAN

v.kelas
v.kelas --membantu
v.kelas [-g] peta=nama [lapisan=string] kolom=nama [dimana=sql_query] algoritma=string
kelas nb=bilangan bulat [--membantu] [--bertele-tele] [--tenang] [--ui]

Bendera:
-g
Cetak hanya jeda kelas (tanpa min dan maks)

--membantu
Cetak ringkasan penggunaan

--bertele-tele
Keluaran modul verbose

--diam
Keluaran modul yang tenang

--ui
Paksa meluncurkan dialog GUI

Parameter:
peta=nama [yg dibutuhkan]
Nama peta vektor
Atau sumber data untuk akses OGR langsung

lapisan=string
Nomor lapisan atau nama
Fitur vektor dapat memiliki nilai kategori di lapisan yang berbeda. Angka ini menentukan
lapisan mana yang akan digunakan. Saat digunakan dengan akses OGR langsung, ini adalah nama layer.
Default: 1

kolom=nama [yg dibutuhkan]
Nama kolom atau ekspresi

dimana=sql_query
WHERE kondisi pernyataan SQL tanpa kata kunci 'where'
Contoh: penghasilan < 1000 dan inhab >= 10000

algoritma=string [yg dibutuhkan]
Algoritma yang digunakan untuk klasifikasi
Pilihan: ke dalam, std, sebagai, persamaan, dis
int: interval sederhana
std: simpangan baku
Menikahkan: kuantil
sama: Equiprobable (distribusi normal)

kelas nb=bilangan bulat [yg dibutuhkan]
Jumlah kelas untuk didefinisikan

DESKRIPSI

v.kelas mengklasifikasikan data atribut vektor ke dalam kelas, misalnya untuk pemetaan tematik.
Klasifikasi dapat pada kolom atau pada ekspresi termasuk beberapa kolom, semua dalam
tabel terkait dengan peta vektor. Pengguna menunjukkan jumlah kelas yang diinginkan dan
algoritma yang digunakan untuk klasifikasi. Beberapa algoritma diimplementasikan untuk
klasifikasi: interval yang sama, standar deviasi, kuantil, probabilitas yang sama, dan a
algoritma diskontinuitas yang dikembangkan oleh Jean-Pierre Grimmeau di Free University of
Brussel (ULB). Ini dapat digunakan untuk menyalurkan pembobolan kelas ke modul pemetaan tematik seperti
d.vek.tematik (lihat contoh di bawah);

CATATAN

The sama selang algoritma hanya membagi rentang max-min dengan jumlah istirahat ke
menentukan interval antara istirahat kelas.

The kuantil algoritma menciptakan kelas yang semuanya berisi kira-kira jumlah yang sama
pengamatan.

The standard penyimpangan algoritma menciptakan jeda kelas yang merupakan kombinasi dari mean
+/- standar deviasi. Ini menghitung faktor skala (<1) yang digunakan untuk mengalikan
simpangan baku agar semua jeda kelas masuk ke dalam rentang min-max dari
nilai-nilai datanya.

The ekuiprobilit algoritma menciptakan kelas yang akan setara jika
distribusi adalah normal. Jika beberapa jeda kelas berada di luar rentang min-max dari
nilai data, algoritme mencetak peringatan dan mengurangi jumlah jeda, tetapi
probabilitas yang digunakan adalah jumlah jeda yang diminta.

The diskon algoritma secara sistematis mencari diskontinuitas di kemiringan
kurva frekuensi terakumulasi, dengan mendekati kurva ini melalui segmen garis lurus
yang simpulnya mendefinisikan jeda kelas. Pendekatan pertama adalah garis lurus yang
menghubungkan dua simpul ujung kurva. Baris ini kemudian digantikan oleh dua segmen
polyline yang simpul pusatnya adalah titik pada kurva yang terjauh dari sebelumnya
garis lurus. Titik pada kurva terjauh dari polyline baru ini kemudian dipilih sebagai
node baru untuk membuat putus salah satu dari dua segmen sebelumnya, dan sebagainya. Masalah
perbedaan dalam satuan antara kedua sumbu diselesaikan dengan menskalakan kembali keduanya
amplitudo ke interval antara 0 dan 1. Dalam algoritma asli, prosesnya adalah
berhenti ketika perbedaan antara kemiringan dua segmen baru tidak lagi
signifikan (alfa = 0.05). Karena kemiringan adalah rasio antara frekuensi dan
amplitudo interval yang sesuai, yaitu kerapatannya, ini secara efektif menguji apakah
frekuensi dari dua kelas yang baru diusulkan berbeda dari yang diperoleh dengan
hanya mendistribusikan jumlah frekuensi mereka di antara mereka secara proporsional dengan kelas
amplitudo. Dalam implementasi GRASS, algoritme berlanjut, tetapi peringatannya adalah
dicetak.

CONTOH

Klasifikasikan pop kolom komune peta menjadi 5 kelas menggunakan kuantil:
v.class map=kolom komune=pop algo=qua nbclasses=5
Contoh ini menggunakan populasi dan luas untuk menghitung kepadatan penduduk dan untuk menentukan
kelas kepadatan:
v.class map=komune kolom=pop/area algo=std nbclasses=5
Contoh berikut menggunakan output dari d.class dan memasukkannya langsung ke dalam
d.vek.tematik:
d.vect.thematic -l peta=komune2 kolom=pop/area \
break=`v.class -g map=communes2 column=pop/area algo=std nbcla=5` \
colors=0:0:255,50:100:255,255:100:50,255:0:0,156:0:0

Gunakan v.classgrass online menggunakan layanan onworks.net