Cambios

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "R Lopez-Farias, SI Valdez, A Garcia-Robledo, T Bilintoh, 
2
  "author": "R Lopez-Farias, SI Valdez, A Garcia-Robledo, T Bilintoh, 
            
3
FN Bautista", 
3
FN Bautista", 
            
4
  "author_email": null, 
4
  "author_email": null, 
            
5
  "creator_user_id": "a3da3ec9-3fd4-47a4-8d04-0a90b09614e0", 
5
  "creator_user_id": "a3da3ec9-3fd4-47a4-8d04-0a90b09614e0", 
            
6
  "extras": [
6
  "extras": [
            
7
    {
7
    {
            
8
      "key": "A\u00f1o", 
8
      "key": "A\u00f1o", 
            
9
      "value": "2023"
9
      "value": "2023"
            
10
    }, 
10
    }, 
            
11
    {
11
    {
            
12
      "key": "DOI", 
12
      "key": "DOI", 
            
13
      "value": "https://doi.org/10.1109/enc60556.2023.10508696"
13
      "value": "https://doi.org/10.1109/enc60556.2023.10508696"
            
14
    }, 
14
    }, 
            
15
    {
15
    {
            
16
      "key": "Google Scholar URL", 
16
      "key": "Google Scholar URL", 
            
17
      "value": 
17
      "value": 
            
18
gesize=100&sortby=pubdate&citation_for_view=MG1jyREAAAAJ:vbGhcppDl1QC"
18
gesize=100&sortby=pubdate&citation_for_view=MG1jyREAAAAJ:vbGhcppDl1QC"
            
19
    }, 
19
    }, 
            
20
    {
20
    {
            
21
      "key": "Identificador hash", 
21
      "key": "Identificador hash", 
            
22
      "value": "c7273c69938b"
22
      "value": "c7273c69938b"
            
23
    }, 
23
    }, 
            
24
    {
24
    {
            
25
      "key": "Lugar de publicaci\u00f3n", 
25
      "key": "Lugar de publicaci\u00f3n", 
            
26
      "value": "2023 Mexican International Conference on Computer 
26
      "value": "2023 Mexican International Conference on Computer 
            
27
Science (ENC), 1-8, 2023"
27
Science (ENC), 1-8, 2023"
            
28
    }, 
28
    }, 
            
29
    {
29
    {
            
30
      "key": "Tipo", 
30
      "key": "Tipo", 
            
31
      "value": "Publicaci\u00f3n"
31
      "value": "Publicaci\u00f3n"
            
32
    }, 
32
    }, 
            
33
    {
33
    {
            
34
      "key": "Tipo de publicaci\u00f3n", 
34
      "key": "Tipo de publicaci\u00f3n", 
            
35
      "value": "Conferencia"
35
      "value": "Conferencia"
            
36
    }, 
36
    }, 
            
37
    {
37
    {
            
38
      "key": "URL directo", 
38
      "key": "URL directo", 
            
39
      "value": 
39
      "value": 
            
40
"https://ieeexplore.ieee.org/abstract/document/10508696/"
40
"https://ieeexplore.ieee.org/abstract/document/10508696/"
            
41
    }
41
    }
            
42
  ], 
42
  ], 
            
43
  "groups": [
43
  "groups": [
            
44
    {
44
    {
            
45
      "description": "", 
45
      "description": "", 
            
46
      "display_name": "Publicaciones", 
46
      "display_name": "Publicaciones", 
            
47
      "id": "8be672a5-4640-455e-a4f3-46b52b66c07b", 
47
      "id": "8be672a5-4640-455e-a4f3-46b52b66c07b", 
            
48
      "image_display_url": "", 
48
      "image_display_url": "", 
            
49
      "name": "publicaciones", 
49
      "name": "publicaciones", 
            
50
      "title": "Publicaciones"
50
      "title": "Publicaciones"
            
51
    }
51
    }
            
52
  ], 
52
  ], 
            
53
  "id": "7026d520-4f06-4869-a255-057b76e48d02", 
53
  "id": "7026d520-4f06-4869-a255-057b76e48d02", 
            
54
  "isopen": false, 
54
  "isopen": false, 
            
55
  "license_id": null, 
55
  "license_id": null, 
            
56
  "license_title": null, 
56
  "license_title": null, 
            
57
  "maintainer": null, 
57
  "maintainer": null, 
            
58
  "maintainer_email": null, 
58
  "maintainer_email": null, 
            
59
  "metadata_created": "2025-10-21T08:59:15.731694", 
59
  "metadata_created": "2025-10-21T08:59:15.731694", 
            
n
60
  "metadata_modified": "2025-10-21T09:00:38.396633", 
n
60
  "metadata_modified": "2025-10-21T09:00:38.926735", 
            
61
  "name": "c7273c69938b", 
61
  "name": "c7273c69938b", 
            
62
  "notes": "The feature analysis for feature selection is an important 
62
  "notes": "The feature analysis for feature selection is an important 
            
63
step for defining the inputs of the simulation models for urban 
63
step for defining the inputs of the simulation models for urban 
            
64
growth. The simulation models are valuable tools for describing the 
64
growth. The simulation models are valuable tools for describing the 
            
65
spatiotemporal evolution and probable scenarios of the urban 
65
spatiotemporal evolution and probable scenarios of the urban 
            
66
development of a region. These models use predictors such as distance 
66
development of a region. These models use predictors such as distance 
            
67
to the city center, highways, roads, and water bodies, among others, 
67
to the city center, highways, roads, and water bodies, among others, 
            
68
to forecast land changes. The importance of each characteristic is 
68
to forecast land changes. The importance of each characteristic is 
            
69
unknown a priori. Furthermore, whether a predictor provides any 
69
unknown a priori. Furthermore, whether a predictor provides any 
            
70
information is not evident. In this work, we analyze the predictive 
70
information is not evident. In this work, we analyze the predictive 
            
71
response of a set of features to determine whether they are 
71
response of a set of features to determine whether they are 
            
72
informative and their degree of influence in the prediction. The 
72
informative and their degree of influence in the prediction. The 
            
73
analysis uses the Total Operating Characteristic (TOC) curve to 
73
analysis uses the Total Operating Characteristic (TOC) curve to 
            
74
measure a feature's relevance. The results provide insights into the 
74
measure a feature's relevance. The results provide insights into the 
            
75
relation of a feature with the urban land change and the degree of 
75
relation of a feature with the urban land change and the degree of 
            
76
influence as a single predictor. Although a broader study that uses 
76
influence as a single predictor. Although a broader study that uses 
            
77
sets of features could provide further conclusions, this study serves 
77
sets of features could provide further conclusions, this study serves 
            
78
as a base comparing method and a starting point for feature selection 
78
as a base comparing method and a starting point for feature selection 
            
79
in urban simulation models.", 
79
in urban simulation models.", 
            
n
80
  "num_resources": 1, 
n
80
  "num_resources": 2, 
            
81
  "num_tags": 13, 
81
  "num_tags": 13, 
            
82
  "organization": {
82
  "organization": {
            
83
    "approval_status": "approved", 
83
    "approval_status": "approved", 
            
84
    "created": "2022-05-19T00:10:30.480393", 
84
    "created": "2022-05-19T00:10:30.480393", 
            
85
    "description": "Observatorio Metropolitano CentroGeo", 
85
    "description": "Observatorio Metropolitano CentroGeo", 
            
86
    "id": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
86
    "id": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
            
87
    "image_url": 
87
    "image_url": 
            
88
"2022-05-19-001030.456616FullColor1280x1024LogoOnly.png", 
88
"2022-05-19-001030.456616FullColor1280x1024LogoOnly.png", 
            
89
    "is_organization": true, 
89
    "is_organization": true, 
            
90
    "name": "observatorio-metropolitano-centrogeo", 
90
    "name": "observatorio-metropolitano-centrogeo", 
            
91
    "state": "active", 
91
    "state": "active", 
            
92
    "title": "Observatorio Metropolitano CentroGeo", 
92
    "title": "Observatorio Metropolitano CentroGeo", 
            
93
    "type": "organization"
93
    "type": "organization"
            
94
  }, 
94
  }, 
            
95
  "owner_org": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
95
  "owner_org": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
            
96
  "private": false, 
96
  "private": false, 
            
97
  "relationships_as_object": [], 
97
  "relationships_as_object": [], 
            
98
  "relationships_as_subject": [], 
98
  "relationships_as_subject": [], 
            
99
  "resources": [
99
  "resources": [
            
100
    {
100
    {
            
101
      "cache_last_updated": null, 
101
      "cache_last_updated": null, 
            
102
      "cache_url": null, 
102
      "cache_url": null, 
            
103
      "created": "2025-10-21T08:59:16.330117", 
103
      "created": "2025-10-21T08:59:16.330117", 
            
104
      "datastore_active": false, 
104
      "datastore_active": false, 
            
105
      "description": "The feature analysis for feature selection is an 
105
      "description": "The feature analysis for feature selection is an 
            
106
important step for defining the inputs of the simulation models for 
106
important step for defining the inputs of the simulation models for 
            
107
urban growth. The simulation models are valuable tools for describing 
107
urban growth. The simulation models are valuable tools for describing 
            
108
the spatiotemporal evolution and probable scenarios of the urban 
108
the spatiotemporal evolution and probable scenarios of the urban 
            
109
development of a region. These models use predictors such as distance 
109
development of a region. These models use predictors such as distance 
            
110
to the city center, highways, roads, and water bodies, among others, 
110
to the city center, highways, roads, and water bodies, among others, 
            
111
to forecast land changes. The importance of each characteristic is 
111
to forecast land changes. The importance of each characteristic is 
            
112
unknown a priori. Furthermore, whether a predictor provides any 
112
unknown a priori. Furthermore, whether a predictor provides any 
            
113
information is not evident. In this work, we analyze the predictive 
113
information is not evident. In this work, we analyze the predictive 
            
114
response of a set of features to determine whether they are 
114
response of a set of features to determine whether they are 
            
115
informative and their degree of influence in the prediction. The 
115
informative and their degree of influence in the prediction. The 
            
116
analysis uses the Total Operating Characteristic (TOC) curve to 
116
analysis uses the Total Operating Characteristic (TOC) curve to 
            
117
measure a feature's relevance. The results provide insights into the 
117
measure a feature's relevance. The results provide insights into the 
            
118
relation of a feature with the urban land change and the degree of 
118
relation of a feature with the urban land change and the degree of 
            
119
influence as a single predictor. Although a broader study that uses 
119
influence as a single predictor. Although a broader study that uses 
            
120
sets of features could provide further conclusions, this study serves 
120
sets of features could provide further conclusions, this study serves 
            
121
as a base comparing method and a starting point for feature selection 
121
as a base comparing method and a starting point for feature selection 
            
122
in urban simulation models.", 
122
in urban simulation models.", 
            
123
      "format": "HTML", 
123
      "format": "HTML", 
            
124
      "hash": "", 
124
      "hash": "", 
            
125
      "id": "6f4e3f51-3923-4e34-b247-ad76dcce39cf", 
125
      "id": "6f4e3f51-3923-4e34-b247-ad76dcce39cf", 
            
126
      "last_modified": null, 
126
      "last_modified": null, 
            
127
      "metadata_modified": "2025-10-21T09:00:38.401086", 
127
      "metadata_modified": "2025-10-21T09:00:38.401086", 
            
128
      "mimetype": null, 
128
      "mimetype": null, 
            
129
      "mimetype_inner": null, 
129
      "mimetype_inner": null, 
            
130
      "name": "Feature Analysis for Urban-land Change of Morelia City 
130
      "name": "Feature Analysis for Urban-land Change of Morelia City 
            
131
Via the TOC Curve", 
131
Via the TOC Curve", 
            
132
      "package_id": "7026d520-4f06-4869-a255-057b76e48d02", 
132
      "package_id": "7026d520-4f06-4869-a255-057b76e48d02", 
            
133
      "position": 0, 
133
      "position": 0, 
            
134
      "resource_type": null, 
134
      "resource_type": null, 
            
135
      "size": null, 
135
      "size": null, 
            
136
      "state": "active", 
136
      "state": "active", 
            
137
      "url": 
137
      "url": 
            
138
esize=100&sortby=pubdate&citation_for_view=b81TvMMAAAAJ:UebtZRa9Y70C", 
138
esize=100&sortby=pubdate&citation_for_view=b81TvMMAAAAJ:UebtZRa9Y70C", 
            
139
      "url_type": null
139
      "url_type": null
            
t
t
140
    }, 
            
141
    {
            
142
      "cache_last_updated": null, 
            
143
      "cache_url": null, 
            
144
      "created": "2025-10-21T09:00:38.962520", 
            
145
      "datastore_active": false, 
            
146
      "description": "The feature analysis for feature selection is an 
            
147
important step for defining the inputs of the simulation models for 
            
148
urban growth. The simulation models are valuable tools for describing 
            
149
the spatiotemporal evolution and probable scenarios of the urban 
            
150
development of a region. These models use predictors such as distance 
            
151
to the city center, highways, roads, and water bodies, among others, 
            
152
to forecast land changes. The importance of each characteristic is 
            
153
unknown a priori. Furthermore, whether a predictor provides any 
            
154
information is not evident. In this work, we analyze the predictive 
            
155
response of a set of features to determine whether they are 
            
156
informative and their degree of influence in the prediction. The 
            
157
analysis uses the Total Operating Characteristic (TOC) curve to 
            
158
measure a feature's relevance. The results provide insights into the 
            
159
relation of a feature with the urban land change and the degree of 
            
160
influence as a single predictor. Although a broader study that uses 
            
161
sets of features could provide further conclusions, this study serves 
            
162
as a base comparing method and a starting point for feature selection 
            
163
in urban simulation models.", 
            
164
      "format": "HTML", 
            
165
      "hash": "", 
            
166
      "id": "1270c26b-c997-4103-ab87-daacbd2f0ad9", 
            
167
      "last_modified": null, 
            
168
      "metadata_modified": "2025-10-21T09:00:38.930852", 
            
169
      "mimetype": null, 
            
170
      "mimetype_inner": null, 
            
171
      "name": "Feature Analysis for Urban-land Change of Morelia City 
            
172
Via the TOC Curve", 
            
173
      "package_id": "7026d520-4f06-4869-a255-057b76e48d02", 
            
174
      "position": 1, 
            
175
      "resource_type": null, 
            
176
      "size": null, 
            
177
      "state": "active", 
            
178
      "url": 
            
179
esize=100&sortby=pubdate&citation_for_view=MG1jyREAAAAJ:vbGhcppDl1QC", 
            
180
      "url_type": null
            
140
    }
181
    }
            
141
  ], 
182
  ], 
            
142
  "state": "active", 
183
  "state": "active", 
            
143
  "tags": [
184
  "tags": [
            
144
    {
185
    {
            
145
      "display_name": "2023", 
186
      "display_name": "2023", 
            
146
      "id": "197c32f9-e42e-4e22-b265-0a55651ced0a", 
187
      "id": "197c32f9-e42e-4e22-b265-0a55651ced0a", 
            
147
      "name": "2023", 
188
      "name": "2023", 
            
148
      "state": "active", 
189
      "state": "active", 
            
149
      "vocabulary_id": null
190
      "vocabulary_id": null
            
150
    }, 
191
    }, 
            
151
    {
192
    {
            
152
      "display_name": "a-priori-and-a-posteriori", 
193
      "display_name": "a-priori-and-a-posteriori", 
            
153
      "id": "65390f44-ab4c-4f97-8afe-75c72e71e50c", 
194
      "id": "65390f44-ab4c-4f97-8afe-75c72e71e50c", 
            
154
      "name": "a-priori-and-a-posteriori", 
195
      "name": "a-priori-and-a-posteriori", 
            
155
      "state": "active", 
196
      "state": "active", 
            
156
      "vocabulary_id": null
197
      "vocabulary_id": null
            
157
    }, 
198
    }, 
            
158
    {
199
    {
            
159
      "display_name": "albertogarob", 
200
      "display_name": "albertogarob", 
            
160
      "id": "b079b3e9-8dbb-4423-88fb-f095153d314a", 
201
      "id": "b079b3e9-8dbb-4423-88fb-f095153d314a", 
            
161
      "name": "albertogarob", 
202
      "name": "albertogarob", 
            
162
      "state": "active", 
203
      "state": "active", 
            
163
      "vocabulary_id": null
204
      "vocabulary_id": null
            
164
    }, 
205
    }, 
            
165
    {
206
    {
            
166
      "display_name": "artificial-intelligence", 
207
      "display_name": "artificial-intelligence", 
            
167
      "id": "47cb06d3-c2a4-42af-b633-03eea6181083", 
208
      "id": "47cb06d3-c2a4-42af-b633-03eea6181083", 
            
168
      "name": "artificial-intelligence", 
209
      "name": "artificial-intelligence", 
            
169
      "state": "active", 
210
      "state": "active", 
            
170
      "vocabulary_id": null
211
      "vocabulary_id": null
            
171
    }, 
212
    }, 
            
172
    {
213
    {
            
173
      "display_name": "computer-science", 
214
      "display_name": "computer-science", 
            
174
      "id": "29cae056-cd7e-43f7-be5b-b25869a3fbf2", 
215
      "id": "29cae056-cd7e-43f7-be5b-b25869a3fbf2", 
            
175
      "name": "computer-science", 
216
      "name": "computer-science", 
            
176
      "state": "active", 
217
      "state": "active", 
            
177
      "vocabulary_id": null
218
      "vocabulary_id": null
            
178
    }, 
219
    }, 
            
179
    {
220
    {
            
180
      "display_name": "data-mining", 
221
      "display_name": "data-mining", 
            
181
      "id": "bc92b940-6ae7-4005-9885-39c0bf8e2aa7", 
222
      "id": "bc92b940-6ae7-4005-9885-39c0bf8e2aa7", 
            
182
      "name": "data-mining", 
223
      "name": "data-mining", 
            
183
      "state": "active", 
224
      "state": "active", 
            
184
      "vocabulary_id": null
225
      "vocabulary_id": null
            
185
    }, 
226
    }, 
            
186
    {
227
    {
            
187
      "display_name": "feature-linguistics", 
228
      "display_name": "feature-linguistics", 
            
188
      "id": "359a6897-20b1-4cd2-bb05-6336c1652ac3", 
229
      "id": "359a6897-20b1-4cd2-bb05-6336c1652ac3", 
            
189
      "name": "feature-linguistics", 
230
      "name": "feature-linguistics", 
            
190
      "state": "active", 
231
      "state": "active", 
            
191
      "vocabulary_id": null
232
      "vocabulary_id": null
            
192
    }, 
233
    }, 
            
193
    {
234
    {
            
194
      "display_name": "feature-selection", 
235
      "display_name": "feature-selection", 
            
195
      "id": "b726524c-3c26-401c-b29d-a509f4a9ad38", 
236
      "id": "b726524c-3c26-401c-b29d-a509f4a9ad38", 
            
196
      "name": "feature-selection", 
237
      "name": "feature-selection", 
            
197
      "state": "active", 
238
      "state": "active", 
            
198
      "vocabulary_id": null
239
      "vocabulary_id": null
            
199
    }, 
240
    }, 
            
200
    {
241
    {
            
201
      "display_name": "machine-learning", 
242
      "display_name": "machine-learning", 
            
202
      "id": "99557dd8-2914-4e28-8278-7a042cfb23d0", 
243
      "id": "99557dd8-2914-4e28-8278-7a042cfb23d0", 
            
203
      "name": "machine-learning", 
244
      "name": "machine-learning", 
            
204
      "state": "active", 
245
      "state": "active", 
            
205
      "vocabulary_id": null
246
      "vocabulary_id": null
            
206
    }, 
247
    }, 
            
207
    {
248
    {
            
208
      "display_name": "measure-data-warehouse", 
249
      "display_name": "measure-data-warehouse", 
            
209
      "id": "1d7ee22c-d27e-44aa-a831-3b520a951fba", 
250
      "id": "1d7ee22c-d27e-44aa-a831-3b520a951fba", 
            
210
      "name": "measure-data-warehouse", 
251
      "name": "measure-data-warehouse", 
            
211
      "state": "active", 
252
      "state": "active", 
            
212
      "vocabulary_id": null
253
      "vocabulary_id": null
            
213
    }, 
254
    }, 
            
214
    {
255
    {
            
215
      "display_name": "relevance-law", 
256
      "display_name": "relevance-law", 
            
216
      "id": "829d2e05-8cb0-4c03-af39-db64ae13bed4", 
257
      "id": "829d2e05-8cb0-4c03-af39-db64ae13bed4", 
            
217
      "name": "relevance-law", 
258
      "name": "relevance-law", 
            
218
      "state": "active", 
259
      "state": "active", 
            
219
      "vocabulary_id": null
260
      "vocabulary_id": null
            
220
    }, 
261
    }, 
            
221
    {
262
    {
            
222
      "display_name": "set-abstract-data-type", 
263
      "display_name": "set-abstract-data-type", 
            
223
      "id": "b2cf6bcc-6aa2-4a45-9c63-4066f4e32845", 
264
      "id": "b2cf6bcc-6aa2-4a45-9c63-4066f4e32845", 
            
224
      "name": "set-abstract-data-type", 
265
      "name": "set-abstract-data-type", 
            
225
      "state": "active", 
266
      "state": "active", 
            
226
      "vocabulary_id": null
267
      "vocabulary_id": null
            
227
    }, 
268
    }, 
            
228
    {
269
    {
            
229
      "display_name": "svaldez", 
270
      "display_name": "svaldez", 
            
230
      "id": "f42a8210-1cef-4f03-98a0-a6d3d0d4f848", 
271
      "id": "f42a8210-1cef-4f03-98a0-a6d3d0d4f848", 
            
231
      "name": "svaldez", 
272
      "name": "svaldez", 
            
232
      "state": "active", 
273
      "state": "active", 
            
233
      "vocabulary_id": null
274
      "vocabulary_id": null
            
234
    }
275
    }
            
235
  ], 
276
  ], 
            
236
  "title": "Feature Analysis for Urban-land Change of Morelia City Via 
277
  "title": "Feature Analysis for Urban-land Change of Morelia City Via 
            
237
the TOC Curve", 
278
the TOC Curve", 
            
238
  "type": "dataset", 
279
  "type": "dataset", 
            
239
  "url": 
280
  "url": 
            
240
esize=100&sortby=pubdate&citation_for_view=MG1jyREAAAAJ:vbGhcppDl1QC", 
281
esize=100&sortby=pubdate&citation_for_view=MG1jyREAAAAJ:vbGhcppDl1QC", 
            
241
  "version": null
282
  "version": null
            
242
}
283
}