{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5295354"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5295354","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"A novel clustering-based methodology for the identification and mapping of lunar surface materials using Moon Mineralogy Mapper (M3) hyperspectral data","abstract":"Παρουσιάζουμε μια νέα μεθοδολογία βασισμένη σε τεχνικές ομαδοποίησης (clustering) για την αναγνώριση και χαρτογράφηση των υλικών της σεληνιακής επιφάνειας, χρησιμοποιώντας υπερφασματικά δεδομένα από το όργανο Moon Mineralogy Mapper (M³). Η περιοχή μελέτης βρίσκεται μεταξύ των νοτιοανατολικών συνόρων της Mare Serenitatis και των βορειοδυτικών συνόρων της Mare Tranquillitatis. Η καινοτομία της προτεινόμενης μεθοδολογίας έγκειται στη χρήση κατάλληλων χαρακτηριστικών (features), τα οποία προκύπτουν από τα τοπικά ελάχιστα των φασματικών υπογραφών των εικονοστοιχείων (pixels) — μια προσέγγιση που βελτίωσε την απόδοση του αλγορίθμου ομαδοποίησης K-Means. Τα κύρια αποτελέσματα δείχνουν ότι ο αλγόριθμος K-Means αποκάλυψε αξιοσημείωτες χωρικές και συστατικές διαφορές μεταξύ των πέντε ομάδων (clusters) που εντοπίστηκαν μέσω της προτεινόμενης μεθοδολογίας, σε μια περιοχή η οποία, σύμφωνα με τα διαθέσιμα δεδομένα, δεν έχει μελετηθεί στο παρελθόν με τέτοια λεπτομέρεια.","abstract_html":"Παρουσιάζουμε μια νέα μεθοδολογία βασισμένη σε τεχνικές ομαδοποίησης (clustering) για την αναγνώριση και χαρτογράφηση των υλικών της σεληνιακής επιφάνειας, χρησιμοποιώντας υπερφασματικά δεδομένα από το όργανο Moon Mineralogy Mapper (M³). Η περιοχή μελέτης βρίσκεται μεταξύ των νοτιοανατολικών συνόρων της Mare Serenitatis και των βορειοδυτικών συνόρων της Mare Tranquillitatis. Η καινοτομία της προτεινόμενης μεθοδολογίας έγκειται στη χρήση κατάλληλων χαρακτηριστικών (features), τα οποία προκύπτουν από τα τοπικά ελάχιστα των φασματικών υπογραφών των εικονοστοιχείων (pixels) — μια προσέγγιση που βελτίωσε την απόδοση του αλγορίθμου ομαδοποίησης K-Means. Τα κύρια αποτελέσματα δείχνουν ότι ο αλγόριθμος K-Means αποκάλυψε αξιοσημείωτες χωρικές και συστατικές διαφορές μεταξύ των πέντε ομάδων (clusters) που εντοπίστηκαν μέσω της προτεινόμενης μεθοδολογίας, σε μια περιοχή η οποία, σύμφωνα με τα διαθέσιμα δεδομένα, δεν έχει μελετηθεί στο παρελθόν με τέτοια λεπτομέρεια.","abstract_has_math":false,"creators":["Μεσσήνιος Γεώργιος","Messinios Georgios"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2025,"date_issued":"2025","date_published":"2025","updated_at":"2026-11-19T06:32:53Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5295354"],"render_values":[{"text":"uoadl:5295354","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5295354","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5295354","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A5295354","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Μεσσήνιος Γεώργιος","Messinios Georgios"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2025"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5295354","https://pergamos.lib.uoa.gr/uoa/dl/object/5295354"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Παρουσιάζουμε μια νέα μεθοδολογία βασισμένη σε τεχνικές ομαδοποίησης (clustering) για την αναγνώριση και χαρτογράφηση των υλικών της σεληνιακής επιφάνειας, χρησιμοποιώντας υπερφασματικά δεδομένα από το όργανο Moon Mineralogy Mapper (M³). Η περιοχή μελέτης βρίσκεται μεταξύ των νοτιοανατολικών συνόρων της Mare Serenitatis και των βορειοδυτικών συνόρων της Mare Tranquillitatis. Η καινοτομία της προτεινόμενης μεθοδολογίας έγκειται στη χρήση κατάλληλων χαρακτηριστικών (features), τα οποία προκύπτουν από τα τοπικά ελάχιστα των φασματικών υπογραφών των εικονοστοιχείων (pixels) — μια προσέγγιση που βελτίωσε την απόδοση του αλγορίθμου ομαδοποίησης K-Means. Τα κύρια αποτελέσματα δείχνουν ότι ο αλγόριθμος K-Means αποκάλυψε αξιοσημείωτες χωρικές και συστατικές διαφορές μεταξύ των πέντε ομάδων (clusters) που εντοπίστηκαν μέσω της προτεινόμενης μεθοδολογίας, σε μια περιοχή η οποία, σύμφωνα με τα διαθέσιμα δεδομένα, δεν έχει μελετηθεί στο παρελθόν με τέτοια λεπτομέρεια.","In this thesis, we introduce a novel clustering-based methodology for the identification and mapping of lunar surface materials using hyperspectral data from Moon Mineralogy Mapper (M³). The area of interest in this study is located at the southeastern border of Mare Serenitatis and the northwestern border of Mare Tranquillitatis. The novelty of the proposed methodology lies in the use of appropriate feature representations, derived from the local minima of the pixels’ spectral signatures—an approach that enhanced the performance of the K-Means clustering algorithm. The main results show that the K-Means algorithm revealed notable spatial and compositional differences among the five clusters identified using the proposed methodology, in an area that, to the best of our knowledge, has not been previously explored in such detail."]},{"key":"dc:title","label":"Title","values":["A novel clustering-based methodology for the identification and mapping of lunar surface materials using Moon Mineralogy Mapper (M3) hyperspectral data"]}]}],"canonical_facts":{"dc:creator":["Μεσσήνιος Γεώργιος","Messinios Georgios"],"dc:date":["2025"],"dc:description":["Παρουσιάζουμε μια νέα μεθοδολογία βασισμένη σε τεχνικές ομαδοποίησης (clustering) για την αναγνώριση και χαρτογράφηση των υλικών της σεληνιακής επιφάνειας, χρησιμοποιώντας υπερφασματικά δεδομένα από το όργανο Moon Mineralogy Mapper (M³). Η περιοχή μελέτης βρίσκεται μεταξύ των νοτιοανατολικών συνόρων της Mare Serenitatis και των βορειοδυτικών συνόρων της Mare Tranquillitatis. Η καινοτομία της προτεινόμενης μεθοδολογίας έγκειται στη χρήση κατάλληλων χαρακτηριστικών (features), τα οποία προκύπτουν από τα τοπικά ελάχιστα των φασματικών υπογραφών των εικονοστοιχείων (pixels) — μια προσέγγιση που βελτίωσε την απόδοση του αλγορίθμου ομαδοποίησης K-Means. Τα κύρια αποτελέσματα δείχνουν ότι ο αλγόριθμος K-Means αποκάλυψε αξιοσημείωτες χωρικές και συστατικές διαφορές μεταξύ των πέντε ομάδων (clusters) που εντοπίστηκαν μέσω της προτεινόμενης μεθοδολογίας, σε μια περιοχή η οποία, σύμφωνα με τα διαθέσιμα δεδομένα, δεν έχει μελετηθεί στο παρελθόν με τέτοια λεπτομέρεια.","In this thesis, we introduce a novel clustering-based methodology for the identification and mapping of lunar surface materials using hyperspectral data from Moon Mineralogy Mapper (M³). The area of interest in this study is located at the southeastern border of Mare Serenitatis and the northwestern border of Mare Tranquillitatis. The novelty of the proposed methodology lies in the use of appropriate feature representations, derived from the local minima of the pixels’ spectral signatures—an approach that enhanced the performance of the K-Means clustering algorithm. The main results show that the K-Means algorithm revealed notable spatial and compositional differences among the five clusters identified using the proposed methodology, in an area that, to the best of our knowledge, has not been previously explored in such detail."],"dc:identifier":["uoadl:5295354","https://pergamos.lib.uoa.gr/uoa/dl/object/5295354"],"dc:language":["English"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["A novel clustering-based methodology for the identification and mapping of lunar surface materials using Moon Mineralogy Mapper (M3) hyperspectral data"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:32:53Z"}