﻿

# c# render pdf : How to move pages in a pdf file application Library tool html asp.net wpf online VerticalMapperUserGuide18-part650

Chapter 10: Aggregating Data
User Guide
179
performed regardless of whether the dialog box is greyed out. If you do not choose any of the
settings in this dialog box, the default values will be used. A reminder will appear when this
technique is chosen.
Exploring the Select Aggregation Technique and Statistics Dialog Box
The Select Aggregation Technique and Statistics dialog box enables you to set the aggregation
technique and aggregate point attributes.
The Aggregation Technique section—enables you to choose one of the three aggregation
techniques: forward stepping, cluster density, and square cell.
The Aggregate Point Attributes section—enables you to choose the following statistical
parameters, computed during the aggregation process, that will be assigned to the aggregated point
file and region file (if chosen).
• Minimum Original Value: The minimum value selected for aggregation.
• Average of Original Value: The average value of all the points selected for aggregation. This
value must always be assigned to the new aggregated tables.
• Maximum Original Value: The maximum value selected for aggregation.
• Median Original Value: The median value is the middle value of all points selected for
aggregation. If there is an even number of points, the median value is the average of the two
middle values.
• Average of Min & Max Value: This value is the average of the minimum and the maximum
values.
• Sum of Original Values: The value obtained by summing all values  selected for aggregation.
• Expected IDW Value: The value is obtained by summing the weighted value for each point
selected for aggregation and dividing this value-weighted sum by the sum of the weights.
The weight associated with each value is inversely proportional to the square of the normalized
distance between the value and the reference location. The normalized distance is the actual
distance from the reference point divided by 1.01 times the “same point” distance. Therefore,
values close to the reference point will have more influence than values farther from the
reference point. The inverse distance weighted value is considered to be a reasonable estimate
of the value at the aggregated coordinate.
How to move pages in a pdf file - re-order PDF pages in C#.net, ASP.NET, MVC, Ajax, WinForms, WPF
Support Customizing Page Order of PDF Document in C# Project
rearrange pages in pdf reader; reorder pages in pdf preview
How to move pages in a pdf file - 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
pdf page order reverse; how to rearrange pdf pages
Point Aggregation with Statistics
180
Vertical Mapper 3.7
• Number of Points Aggregated: This value is the total number of points selected for
aggregation. It does not include the points processed in the Coincident Point Handling step.
• Standard Deviation: This value is the degree of dispersion between the mean of the values for
those points selected for aggregation.
• % Normalized Coeff. of Variation: The coefficient of variation is the standard deviation divided
by the average expressed as a percentage (multiplied by 100).
The value is dimensionless and indicates data dispersion, especially when the average is not
close to zero. A “normalized” coefficient of variation is calculated using the standard deviation
divided by the difference between the average and the minimum value of the complete data set,
not just the data in the local aggregated region. The coefficient can still be large when the
average value is close to the minimum value, but the normalized coefficient is representative of
the original range of values and not their absolute value.
The Aggregation Distance box—enables you to specify the distance used to group points for
aggregation.
This distance is defined differently for each of the three aggregation techniques. For the Cluster
Density and Forward Stepping techniques, aggregation distance is defined by the radius of a user-
specified circular search area centred on each aggregation cell. For the Square Cell technique,
Aggregation Distance is defined by the width of the square aggregation cell.
The Create Regions Table check box—enables you to build a table of the regions used to group the
point data selected for aggregation.
This option enables you to visually inspect the results of the aggregation process. The order in which
these regions are created is the same order in which the point file was aggregated. By opening a
Browser window of the region file and choosing each record in the list one at a time, you can see
how the regions are processed in the Map window.
Note You can use the created regions to produce a MapInfo Professional coloured thematic map
where each region is thematically shaded according to one of the computed statistical
values.
The Create STD Ellipse Table check box—enables you to build a table of standard deviation
ellipses. For more information, see Building a Table of Standard Deviation Ellipses on page183.
Forward Stepping Aggregation
Due to its speed and effectiveness, the Forward Stepping Aggregation technique is an appropriate
method for any general aggregation application. This technique is useful when your data has a truly
random distribution or when the other two techniques are not appropriate.
This aggregation process aggregates points by moving through the data set from left to right and
then top to bottom. The process begins by sorting the data points into rows that are generally three
times the aggregation distance. This sorting is performed to determine where the aggregation will
begin each left-to-right swath. There are no settings you can use to alter this process. Beginning
with the data points in the upper left (northwest) corner of the data set, a circular search radius is
created as specified by the Aggregation Distance setting. All data points that fall inside this search
radius are selected and flagged. This prevents these data points from being aggregated to another
location. The geocenter of the selected points is then determined. This becomes the location of the
C# PDF File & Page Process Library SDK for C#.net, ASP.NET, MVC
random pages can be deleted from PDF file as well. Sorting Pages. RasterEdge XDoc.PDF allows you to easily move PDF document pages position, including sorting
how to rearrange pages in a pdf document; how to rearrange pages in pdf document
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
how to move pages within a pdf document; moving pages in pdf
Chapter 10: Aggregating Data
User Guide
181
new aggregated point. The process ends by performing the aggregation calculations on the selected
points as specified in the Point Aggregation dialog box, and the results are attributed to the new
aggregated point.
Once the first point is processed, the procedure sweeps from left to right and top to bottom across
the study area, selecting and aggregating unflagged points. It is important to note that not every data
point will be aggregated on the first pass through the data set. Normally a second pass is required to
aggregate those points missed on the first pass. The results are shown in the next figure.
Example of circle aggregation using the Forward Stepping Aggregation technique. The
shaded points are the original data points. The crosses represent the newly
aggregated points, and the circles represent the aggregation region. The original
points have been coded to show to which aggregation region they belong.
In the figure above, you may notice that inappropriate aggregation decisions have been made in
certain locations of the point file as well as the degree of overlap of the aggregation regions. In the
upper left corner of the diagram there are two examples of an inappropriate aggregation, marked by
the letters A and B. In both cases you would aggregate these points differently if you performed this
process manually. The reason these points are aggregated this way has to do with the two
aggregation passes this technique performs; the second pass aggregates the remaining unflagged
points, resulting in a large degree of overlap of the aggregation regions. Some of the aggregation
regions in the above diagram have been numbered to show the aggregation process order. The
letters show which points were aggregated on the second pass.
Cluster Density Aggregation
The Cluster Density Aggregation technique is typically used when a visual clustering effect occurs in
the dispersion of the data points. For example, demographic data representing rural areas may often
exhibit a ‘shotgun’ pattern (see the next figure). Data from each small community is considerably
more densely distributed than in the surrounding countryside. Cluster density does, however,
process large data sets more slowly than the other aggregation techniques.
C# Word - Sort Word Pages Order in C#.NET
C# DLLs: Move Word Page Position. Add references: Swap Two Word Pages Position Using C#. You may choose two pages of Word file and exchange their position.
how to move pages around in pdf file; pdf reverse page order
C# PowerPoint - Sort PowerPoint Pages Order in C#.NET
splitting. C# DLLs: Move PowerPoint Page Position. C#. You may choose two pages of PowerPoint file and exchange their position. String
how to move pages around in pdf; reordering pdf pages
Point Aggregation with Statistics
182
Vertical Mapper 3.7
Original distribution of data points.
The Cluster Density Aggregation technique is usually most effective for small to medium size data
sets, because it makes better decisions during the aggregation process. It aggregates the more
densely clustered points first within a reasonable processing time. However, it is not appropriate if
you need to know the number of points aggregated or if there are coincident points in the data.
Coincident points are always aggregated first and are not included in the statistics appended to the
new point file. The alternative is to use the Forward Stepping Aggregation technique.
The Cluster Density Aggregation technique looks at the entire data set prior to aggregation and
determines the single most densely populated area that would fall inside the user-specified search
radius (aggregation distance). Points that fall inside the search radius are chosen and flagged. The
geocenter of these points is calculated and that position becomes the location of the new
aggregated point. Calculations are performed on the values of the selected points (as specified in
the Point Aggregation dialog box) and the results are attributed to the new geocentred point. Then,
the area with the second highest density of points is chosen and the process is repeated. At each
stage, the entire remaining data set must be examined for its density patterns to avoid using
previously aggregated points and to factor in the removed points in the density analysis.
Cluster density aggregation always includes coincident point handling regardless of whether or not
you request this type of handling, and the point density calculation used in the aggregation
technique does not handle points that are coincident. If you do not choose any of the settings on the
Coincident Point Handling dialog box, the default values will be used. A warning message appears
reminding you when this technique is chosen.
An example of circle aggregation using the Cluster Density Aggregation technique.
C# PDF insert text Library: insert text into PDF content in C#.net
int pageIndex = 0; // Move cursor to (400F, 100F). If you want to add a text string to PDF file, please try this C# demo. // Open a document.
how to reorder pages in pdf; reordering pages in pdf document
VB.NET PDF Library SDK to view, edit, convert, process PDF file
Rapidly and multiple PDF document (pages) creation and edit methods append, and split PDF files; insert, delete, move, rotate, copy and paste PDF file page
how to move pages in pdf converter professional; how to move pdf pages around
Chapter 10: Aggregating Data
User Guide
183
There are a total of 330 points in the sample data set shown in the previous figure. After using the
cluster density aggregator, you can see that the data is clustered in about ten separate areas. The
more randomly distributed points lying outside these clustered zones (circles) are also aggregated,
but with significantly fewer points included. Although many circles overlap, the degree of overlap is
significantly less than when the forward stepping method is used.
Square Cell Aggregation
The Square Cell Aggregation technique is typically used when values are required that represent
specific areas, for example, a density map of the number of new housing units per square kilometre,
or when you want to avoid overlapping aggregation regions.
This method divides the area covered by the point file into adjacent squares determined by the
aggregation distance. The points that fall inside any of these squares are aggregated to a new point
created at the geocentre of the aggregated points (not at the centre of the square). As with the
previous two techniques, the specified statistical information is then attached as attributes to the new
aggregated point.
An example of data points aggregated using the Square Cell Aggregation technique.
Although there is no overlap of the aggregation regions in the figure above, points have been
aggregated inappropriately in several areas. Therefore, the best results require a certain degree of
overlap.
Building a Table of Standard Deviation Ellipses
Standard deviation is a measure of dispersion in point patterns. Typically, it measures dispersal in
terms of a circle around the mean centre. The circular model, however, takes no account of the fact
that spread may be different in different directions.
The standard deviation ellipse summarizes dispersion in a point pattern in terms of an ellipse rather
than a circle. The ellipse is centred on the mean centre, with its long axis in the direction of the
maximum dispersion and its short axis in the direction of the minimum dispersion. The axis of
VB.NET PDF File & Page Process Library SDK for vb.net, ASP.NET
Certainly, random pages can be deleted from PDF file as well. PDF Page sorting. RasterEdge XDoc.PDF allows you to easily move PDF document pages position in VB
rearrange pdf pages online; pdf rearrange pages
C# PDF Library SDK to view, edit, convert, process PDF file for C#
Rapidly load, create, convert and edit PDF document (pages) in C# append, and split PDF files; insert, delete, move, rotate, copy and paste PDF file page.
pdf change page order acrobat; change page order pdf reader
Building a Table of Standard Deviation Ellipses
184
Vertical Mapper 3.7
maximum dispersion in a point pattern is always at right angles to the axis of minimum dispersion.
The length of the X axis is set to one standard deviation of the X values, and the length of the Y axis
to one standard deviation of the Y values.
An example of standard deviation ellipses. The ellipses are generated around the
original data points, which are at the mean centres of the ellipses containing them. The
X axis extends one standard deviation of the X values, and the Y axis extends one
standard deviation of the Y values.
Using Natural Neighbour
Analysis
Using the Natural Neighbours technique, you can analyze point data that needs
to be mapped to discrete regions with constant values assigned to each point.
This section describes how to perform natural neighbour analysis:
• natural neighbours
• how to create regions from points
• how to calculate a region area
In this chapter:
ɾ
Understanding Natural Neighbours . . . . . . . . . . . . . . . . . . . . . . .186
ɾ
Creating Regions from Points (Voronoi) . . . . . . . . . . . . . . . . . . .187
ɾ
Calculating the Region Area . . . . . . . . . . . . . . . . . . . . . . . . . . . . .188
11
186
Vertical Mapper 3.7
Understanding Natural Neighbours
While the strength of Vertical Mapper lies in the ability it gives you to create a continuous grid from
non-continuous data points, not all types of data are best represented as a continuously varying
surface. Some types of point data should be mapped as discrete regions within which the values
assigned to each point are constant. Point data such as this is referred to as having a natural
neighbour. Examples include store locations that have natural areas of influence and point
observations that record classified values (for example, land use).
In Vertical Mapper, natural neighbours are built around data points using Delaunay triangulation. A
network of Thiessen polygons is generated from the point locations, creating what is called a
Voronoi diagram. As shown below, a Voronoi diagram is a network of MapInfo regions. Any location
within a region will always be closer to the enclosed point in that region than to the enclosed point of
any other region. Each site exerts a natural area of influence in relation to adjoining sites.
Assigning all the attribute fields from the original point data base to the new region file is a unique
feature of Vertical Mapper. Once the natural neighbours have been mapped, you can visually
analyze and compare any column of information attached to the region table using the MapInfo
Professional thematic mapping tools.
A Voronoi diagram showing the natural neighbours of a series of point observations.
One of the columns of data assigned to the region table has been thematically
mapped.
The same natural neighbour relationships that are used to examine the distribution and proximity of
point occurrences over space can also be applied to quantify point density. Of common concern
through a wide range of disciplines is the examination of the spatial occurrence of certain
phenomena. Examples that reflect the extensive range of studies covering such phenomena include
the location of towns in a state (geography) or seismic events over a continent (geology). Point
distribution over space can be observed qualitatively simply by plotting the data on a map. However,
producing a quantitative map of the distribution requires some analysis of the relative proximity of
the points in relation to one another.
Computing a natural neighbour (Voronoi) diagram for all points yields an excellent measurement of
point density. A representative density surface grid can be produced by calculating the area of the
natural neighbour region encompassing each point, attaching that area as an attribute to the point,
and generating a grid of the new point file through interpolation. This function has been automated in
Vertical Mapper and is a powerful tool in natural neighbour analysis.
Chapter 11: Using Natural Neighbour Analysis
User Guide
187
The following section describes the two main procedures in Vertical MapperSurface Analysis that
make use of natural neighbour relationships: building Voronoi diagrams from point tables and
calculating point density.
Creating Regions from Points (Voronoi)
Using the Voronoi technique, you can generate a region around each individual data point. The
resulting network of regions is often referred to as a Voronoi diagram.
Before running to completion, the point table is checked to ensure that no coincident points are
present. If coincident points are found, an error message will appear warning you that the input table
contains coincident points. You can edit the table or use data aggregation tools to fix this problem.
The extended error code contains the row ID of the first coincident point found.
1. From the Vertical Mapper  menu, choose the Natural Neighbour Analysis >Create Regions
From Points (Voronoi) command.
2. From the Create From Table list, choose a table of points from the list and click the Next button.
All data fields present in the point table are assigned to the new Voronoi region table.
3. In the Voronoi Options dialog box, choose the required settings to control the manner in which
the Voronoi diagram is created.
4. Click the Finish button.
The Voronoi regions table opens in a new Map window.
Exploring the Voronoi Options Dialog Box
The most critical area of the Voronoi diagram is the outer margin where no points are present to
control the formation of the outermost polygons.
The Boundary Smoothness section—enables you to determine the number of line segments that
are used to construct the corners of the outer hull of the diagram. The finer the setting is, the
smoother the corners will become.
The Set Distance box in the Hull Boundary Width section—enables you to set the distance, in map
units, of the outermost polygon edge from the outer points. Since no points are present beyond the
margin that controls the creation of polygons, this setting restricts the construction of polygon sides
to a fixed distance from each outermost point (see the next two figures).