c# render pdf : Move pages in pdf control software system azure windows html console VerticalMapperUserGuide17-part649

Chapter 9: Data Analysis
User Guide
169
Some polygons may be too small for a grid node to be located inside. In this instance 
the polygons data is attributed to the closest node. This would be the node to the 
upper right of the selected region in the above diagram.
This problem can be minimized by decreasing the cell size used in the analysis. You can determine 
what is a reasonable cell size by clicking the Advise button in the Polygon Overlay dialog box. The 
polygon file is analyzed automatically to determine how many regions will not have a grid cell 
located within their boundaries. Note that if you decrease the cell size, longer processing time and 
more temporary space on your computer system are required. You may also run into situations 
where there are a certain number of problem polygons, even when the cell size is dramatically 
decreased. This is symptomatic of sliver polygons in the data set that should be deleted from the file. 
After selecting what you think is a reasonable cell size, you can run the analysis using the Create 
Problem Table option. This will generate a region file of all polygons in the table that do not have a 
node located inside. If necessary, you can adjust the cell size to reduce the number of problem 
regions.
Exploring the Polygon Overlay Dialog Box
The Table to Update list box enables you to choose the target table that will be updated with the 
source data.
Move pages in pdf - re-order PDF pages in C#.net, ASP.NET, MVC, Ajax, WinForms, WPF
Support Customizing Page Order of PDF Document in C# Project
move pages in pdf document; change page order in pdf online
Move pages in pdf - VB.NET PDF Page Move Library: re-order PDF pages in vb.net, ASP.NET, MVC, Ajax, WinForms, WPF
Sort PDF Document Pages Using VB.NET Demo Code
reorder pdf pages online; reorder pdf pages
Predictive Analysis
170
Vertical Mapper 3.7
In the Column section, you can choose either of the following options:
Existing Column enables you to choose an existing column in the target table that will be 
updated with data from the source table.
New Column enables you to specify the name of a new column that will be added to the target 
table and will contain the data from the source table. 
The Data Table list displays all the valid tables open in MapInfo Professional. The highlighted table 
becomes the source data table.
The Column list displays the columns available in the selected table, and enables you to choose the 
column containing the data.
The Cell Size box enables you to specify the size of the 32 bit grid that will temporarily hold the 
source tables data before applying it to the target table.
The Advise button Enables you to run an analysis to indicate the number of problem polygons that 
are found in the target table. These are polygons that are too small to have a single grid cell located 
inside.
The Create a Problem Table option enables you to choose to generate a region table containing a 
copy of all the problem polygons found in the target table.
Predictive Analysis
Predictive analysis is a method of “smart” classification. It examines the statistical characteristics of 
multiple input grids found within a given “training” area and then locates other areas with similar 
properties. For example, oil exploration is one application. Although bore holes give clear results, 
they are expensive. Suppose experience reveals that the presence of oil in the soil is usually 
strongly related to the presence of certain minerals or other elements. If we can establish the 
correlation between the presence of these other elements and oil, then it becomes possible to 
measure the concentration of the other elements to predict the presence of oil, which is a much less 
expensive undertaking than drilling new bore holes.
Predictive analysis enables you to “teach” the program how to classify areas based on input criteria. 
For example, if you identify several regions where oil is present, using these as models, you can 
teach the program to identify other regions with similar characteristics. 
Before running predictive analysis, you must first set up a “teaching table.” This is a MapInfo table 
containing the region objects you are using as sample regions. It must have at least one integer 
column, which holds the value of the “class” of region you are defining. In any teaching table, you 
must define at least two different classes. For example, if you want to identify areas with probable 
high crime rates based on demographic information, you must define both an area where crime is 
known to be high, and an area where crime is known to be low. For more accurate results, you can 
use more than one region for each class type in the teaching table. 
1. Draw MapInfo region objects defining the areas you want to use as samples. You must define at 
least two regions in different locations within the grid. 
2. Save the region objects in a MapInfo table. Ensure the table has at least one column of type 
integer. Use this column to define the “class” of the region. For example, you might assign the 
C# TIFF: How to Reorder, Rearrange & Sort TIFF Pages Using C# Code
Using this C#.NET Tiff image management library, you can easily change and move the position of any two or more Tiff file pages or make a totally new order for
reorder pages in pdf online; rearrange pages in pdf online
C# Word - Sort Word Pages Order in C#.NET
page reorganizing library control, developers can swap or adjust the order of all or several Word document pages, or just C# DLLs: Move Word Page Position.
how to reorder pdf pages in; switch page order pdf
Chapter 9: Data Analysis
User Guide
171
regions representing a high crime rate “1,” and the regions representing a low crime rate “2.” Any 
region assigned a value of 0 in this column will not be included in the analysis. 
This table is the “teaching table.” The colours that you assign to the regions will be used for 
displaying the results. 
3. From the Vertical Mapper menu, choose the Data Analysis > Predictive Analysis command.
4. In the Predictive Analysis dialog box, clear any grids you do not want to include in the analysis.
5. From the Teaching Table list, choose the name of the table that contains the region objects you 
want to use for your analysis.
6. From the Class Column list, choose the name of the column that contains the integer value 
defining the “class” of the region.
7. In the Weighting section, choose one of the following:
• Statistical The grids are weighted automatically according to statistical calculations.
• User Enables you to specify how grids should be weighted; when you choose this option, a 
new column is added to the list of grids where you can enter the weight of each of the grids.
• None No weighting is applied; the grids are treated as having equal importance.
8. In the File Name box, type a new file name or accept the default. 
9. Click the OK button.
Exploring the Predictive Analysis Dialog Box
The Select Grids to Analyze list enables you to clear any open grids you do not want to be included 
in the analysis.
The Weight section enables you to choose a method for weighting. These options are available:
Statistical the grids are weighted automatically according to an appropriate statistical 
calculation.
User enables you to specify how grids should be weighted; when you choose this option, a new 
column is added to the list of grids enabling you to specify the weight.
None no weighting is applied; the grids are treated as having equal importance.
The Teaching Table list enables you to choose the table containing the regions to use for teaching.
C# PowerPoint - Sort PowerPoint Pages Order in C#.NET
library control, developers can swap or adjust the order of all or several PowerPoint document pages, or just change the C# DLLs: Move PowerPoint Page Position.
pdf reorder pages; rearrange pages in pdf document
C# PDF File & Page Process Library SDK for C#.net, ASP.NET, MVC
RasterEdge XDoc.PDF allows you to easily move PDF document pages position, including sorting pages and swapping two pages. Copying and Pasting Pages.
how to rearrange pdf pages online; reordering pages in pdf
Predictive Analysis
172
Vertical Mapper 3.7
The Class Column list enables you to choose the column in the table that contains the class of the 
region; the class must be an integer.
The File Name box enables you to enter a new file name.
C# PDF insert text Library: insert text into PDF content in C#.net
int pageIndex = 0; // Move cursor to (400F, 100F). String outputFilePath = Program.RootPath + "\\" output.pdf"; doc.Save(outputFilePath);
move pages within pdf; how to rearrange pages in a pdf reader
VB.NET PDF insert text library: insert text into PDF content in vb
Dim pageIndex As Integer = 0 ' Move cursor to (400F, 100F). Dim outputFilePath As String = Program.RootPath + "\\" output.pdf" doc.Save(outputFilePath).
rearrange pdf pages in preview; how to move pages in pdf reader
Aggregating Data
There are two methods of data aggregation: simple point aggregation and point 
aggregation with statistics.
This section discusses:
• when to aggregate data
• how to aggregate data using simple point aggregation
• how to aggregate data using point aggregation with statistics
In this chapter:
ɾ
Aggregating Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .174
ɾ
When to Aggregate Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .174
ɾ
Techniques for Data Aggregation. . . . . . . . . . . . . . . . . . . . . . . . .174
ɾ
Simple Point Aggregation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .175
ɾ
Point Aggregation with Statistics. . . . . . . . . . . . . . . . . . . . . . . . .177
ɾ
Building a Table of Standard Deviation Ellipses. . . . . . . . . . . . .183
10
C# PDF Image Extract Library: Select, copy, paste PDF images in C#
Get image information, such as its location, zonal information, metadata, and so on. Able to edit, add, delete, move, and output PDF document image.
move pdf pages online; reorder pages in pdf reader
VB.NET PDF Library SDK to view, edit, convert, process PDF file
Rapidly and multiple PDF document (pages) creation and edit methods file formats; merge, append, and split PDF files; insert, delete, move, rotate, copy
reorder pages pdf; pdf reverse page order online
When to Aggregate Data
174
Vertical Mapper 3.7
Aggregating Data 
Data aggregation is a mathematical process for reducing the number of points in a point file. 
Different methods are available to process a point file, but the underlying goal is to spatially group 
and statistically merge points that are in close proximity. This not only results in fewer points but also 
creates a more uniform distribution of points and point values.
Vertical Mapper provides two options for data aggregation. 
• Simple Point Aggregation quickly aggregates data when you do not need to keep track of the 
spatial or mathematical properties of the aggregation process at each point;. For example, 
knowing the average of the aggregated points is sufficient. 
• Point Aggregation With Statistics tracks the statistical parameters associated with each 
aggregated point (for example, standard deviation or coefficient of variation). This technique can 
also produce a region file displaying the actual circular or square cell region used to gather and 
aggregate points. Statistical information is attached as attributes to both the new point file and to 
the region file.
When to Aggregate Data
The following reasons for aggregating data are the most common ones.
• There are multiple values at a given location.
• Data is erratic, and the average of the data area represents an appropriate estimate of a point.
• The sum of the data in a given area is required.
• A representative value at an “average” location is acceptable when the location of the data is not 
accurate.
• The original data set has too many points to permit efficient processing. The number of points 
can be substantially reduced without adversely affecting the accuracy of any operation.
• Values representing specific spacing or area criteria applied over the entire mapped area (most 
applicable to the “square cell” method) are required.
Techniques for Data Aggregation
The following data aggregation techniques are available:
• Simple Point Aggregation
• Point Aggregation with Statistics, which comprises the Forward Stepping, Cluster Density, and 
Square Cell aggregation techniques.
When you use these techniques, Vertical Mapper creates a new file containing the aggregated 
points and leaves the original point file unaltered.
Chapter 10: Aggregating Data
User Guide
175
Simple Point Aggregation
Simple point aggregation is useful for quickly grouping points that are virtually coincident or that are 
separated by relatively small gaps. For example, when soil samples are collected, you may need to 
take several samples at each sample site. When creating a surface of this data, you may want to 
average all of the samples taken at each site before proceeding with the surface creation. It may 
also be desirable to aggregate data that has poor reproducibility over a large area and achieve a 
more smoothing or averaging effect.
Simple point aggregation is also used as a preliminary data smoothing technique for TIN creation in 
the Triangulation with smoothing interpolation method, for natural neighbour region creation in the 
natural neighbour interpolation method, and in the kriging interpolation. Here, highly variable data 
points spaced closely together can be aggregated and new values calculated using a statistical 
expression. For example, if two points are very closely spaced, even a small difference in z-value 
will generate a steep slope between them. This slope affects the interpolated surface for a significant 
distance beyond the two points, creating unwanted rises and dips.
Simple point aggregation uses a coincident point distance value for spatially aggregating points. 
This means you need to specify how close the points will be before they are considered coincident. 
The result of simple point aggregation is shown in the next two figures.
Original distribution of points.
Distribution of points after simple point aggregation.
Simple Point Aggregation
176
Vertical Mapper 3.7
Performing Simple Point Aggregation
You can use simple point aggregation to quickly group points that are virtually coincident or that are 
separated by relatively small gaps. 
1. From the Vertical Mapper menu, choose the Data Aggregation > Simple Point Aggregation 
command.
2. From the Select Table to Aggregate list in the Select Table and Column dialog box, choose a 
point table.
3. From the Select Column list, choose a column of data to transfer to the  aggregated file.
4. Enable the Ignore Records Containing Zero check box to include only non-zero records.
5. Click the Next button.
6. In the Aggregation Technique and Distance dialog box, choose an averaging technique.
7. In the File Name box, type a new file name or accept the default.
8. Click the Finish button.
Exploring the Aggregation Technique and Distance Dialog Box 
The left side of the Aggregation Technique and Distance dialog box summarizes the spatial 
characteristics of the point file including the file extents, the z-value range, and the coordinate 
system units. The right side of the dialog box contains settings that control the statistical processing 
of the passed values.
The Averaging Technique section enables you to choose one of six statistical methods to 
determine the z-value of the aggregated points. 
• Minimum Value: The minimum value is the lowest value within the “same point” distance of the 
aggregated coordinate.
• Average Value: The average value is determined by averaging all valid points within the “same 
point” distance of the aggregated coordinate.
• Maximum Value: The maximum value is the highest value within the “same point” distance of 
the aggregated coordinate.
Chapter 10: Aggregating Data
User Guide
177
• Median Value: The median value is the middle value of all points within the “same point” 
distance of the aggregated coordinate. If there are an even number of points, the median value is 
the average of the two middle values.
• Average of Min & Max Values: This value is determined by averaging the minimum and 
maximum values of all points within the “same point” distance of the aggregated coordinate.
• Sum of Values: The sum of values is determined by summing all values of valid points within the 
“same point” distance of the aggregated coordinate.
The Coincident Point Distance box—enables you to define the minimum distance between two 
points before they are considered coincident. 
The default value is 10 percent of the mean distance between the data points and is measured in 
coordinate system units. Choose a small or zero distance to treat points in the data set that are very 
closely spaced or overlie each other. As the distance setting becomes greater, there will be more 
coincident points, and consequently the number of points in the output data set will decrease.
Point Aggregation with Statistics
The point aggregation with statistics techniques provide information about the mathematical and 
spatial characteristics of the aggregation process. To quantitatively measure the aggregation 
process, Vertical Mapper offers three techniques: Forward Stepping, Cluster Density, and Square 
Cell. These methods are grouped under the category Point Aggregation With Statistics. 
1. From the Vertical Mapper menu, choose the Data Aggregation > Point Aggregation With 
Statistics command.
2. From the Select Table to Aggregate list in the Select Table and Column dialog box, choose a 
point table from the list of open MapInfo tables.
3. From the Select Column list, choose a column of data to transfer to the new aggregated file.
4. Enable the Ignore Records Containing Zero check box to include only non-zero records, and 
click the Next button.
5. To aggregate coincident points, clear the No Coincident Point Handling check box in the 
Select Coincident Point Technique dialog box.
6. Choose an averaging technique option, and click the Next button.
7. In the Aggregation Technique section of the Select Aggregation Technique and Statistics dialog 
box, choose an aggregation technique.
8. In the Aggregate Point Attributes section, enable any of the check boxes.
9. In the Aggregation Distance box, type the desired distance.
10. Enable the Create Regions Table check box if you want to build a MapInfo table of regions, and 
the STD Ellipse Table check box if you want to build a table of standard deviation ellipses.
11. In the File Name box, type a new file name or accept the default.
12. Click the Finish button.
Once the process is complete, a dialog box appears stating the extent of the aggregation as shown 
below. The aggregated point file appears in a new Map window with a default symbol style applied to 
each point. If you choose the Create Regions Table option, the aggregation regions table appears in 
a separate Map window and is assigned the suffix “AggRegion”.
Point Aggregation with Statistics
178
Vertical Mapper 3.7
The calculated statistical information is retained in the Browser window of both the aggregated point 
file and the aggregation regions file as shown below. 
Exploring the Select Coincident Point Technique Dialog Box 
This dialog box is the same one that is used to set parameters for simple aggregation. There are two 
steps in statistical aggregation. The first step allows you to deal with virtually coincident points 
separately before you aggregate the points further. For instance, you may want to average all the 
soil samples collected at each site before you average and sum all the soil sample sites that occur in 
a given unit area.
The No Coincident Point Handling check box is enabled by default, and the entire dialog box is 
greyed out. 
In most cases, you will not need to aggregate virtually coincident points before you proceed with 
statistical aggregation, and the settings in this dialog box will be ignored. This is not true when you 
employ cluster density aggregation. With cluster density, coincident point handling is always 
Documents you may be interested
Documents you may be interested