Using regular patterns to check clustering method performance

Este pequeño vídeo muestra el comportamiento de la aplicación de clusterización (agrupamiento de elementos cercanos) realizada por Prodevelop para generar archivos KML enlazados, de manera que el rendimiento de los clientes web sea óptimo sin perder validez en la ubicación de los elementos. Los pasos mostrados en el vídeo son:
  1. Explorar y editar la tabla original con gvSIG 2.1.0.
  2. Ejecutar la aplicación de clusterización sobre la misma tabla.
  3. Copiar la carpeta de archivos KML generada en una carpeta pública accesible desde internet.
  4. Obtener la URL del archivo KML raíz y visualizar el resultado en Google Earth.
This short video shows the behavior of the clustering application created by Prodevelop to create nested KML files. This approach ensures optimum performance by web clients without losing geographic information, regardless of the map scale. The steps shown in the video are:
  1. Exploring/editing the source table with gvSIG 2.1.0.
  2. Running clustering application on the same table.
  3. Copying resulting files to target web folder.
  4. Getting URL of root KML file and browsing final result in Google Earth.
Este es el código con el que se calcula la ubicación de cada agrupación de elementos, como una media ponderada en función del peso de los subelementos: This is the Java code which computes coordinates of cluster as an weighted average of the coordinates of its sub-elements:

Responder

  • Las direcciones de las páginas web y las de correo se convierten en enlaces automáticamente.
  • Allowed HTML tags: <a> <em> <strong> <cite> <code> <ul> <ol> <li> <dl> <dt> <dd> <span> <img>
  • Saltos automáticos de líneas y de párrafos.
  • Each email address will be obfuscated in a human readble fashion or (if JavaScript is enabled) replaced with a spamproof clickable link.

Más información sobre opciones de formato