خوشه بندی اقلیمی با استفاده از الگوریتم خوشه بندی فازی c-meansدر نرم افزار MATLAB و مقایسه آن با نرم افزارهای آماری (مطالعه موردی استان سیستان وبلوچستان)

سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 960

فایل این مقاله در 12 صفحه با فرمت PDF و WORD قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ESPME04_768

تاریخ نمایه سازی: 19 خرداد 1396

چکیده مقاله:

با توجه به اینکه استان سیستان و بلوچستان یکی از گسترده ترین و وسیع ترین استان های کشور می باشد و همچنین با دارا بودن مرزهای آبی در جنوب استان، از تنوع آب و هوایی و اقلیمی بالایی داراست؛ لذا این استان برای خوشه بندی اقلیمی با روشهای جدید و با نرم افزارهای به روز و مقایسه نتایج با یکدیگر، بسیار مورد مناسبی است، در این پژوهش با استفاده روش تحلیل عاملی در نرم افزار spss بر روی متغییرهای اقلیمی در نهایت 5 متغییر اصلی انتخاب گردید که در ادامه با نرم افزار minitab و matlab روی متغییرهای اصلی تحلیلی خوشه ای انجام شد، نتایج حاصل از پژوهش نشان می دهد که خوشه بندی اقلیمی با نرم افزار matlab که از الگوریتم فازی c-means استفاده شد دارای صحت بیشتری ایست و بنابراین برای تحلیل خوشه ای و خوشه بندی اقلیمی استفاده از روش فازی c-means در نرم افزار matlab بسیار مناسب است

نویسندگان

سجاد کیانی

کارشناس محیط زیست شهرداری تویسرکان

هومن کاظمی

دانشجوی دکتری معماری دانشگاه علوم و تحقیقات تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • پهنه بندی اقلیمی استان کرمان با استفاده از تحلیل عاملی و خوشه ای [مقاله کنفرانسی]
  • سلیقه.محمد، فرامرز بریمانی و مرتضی اسماعیل نژاد(1387)، پهنه بندی اقلیمی ...
  • آکلاین، پل (1380)، راهنمای آسان تحلیل عاملی، ترجمه سید جلال ...
  • لشنی زند، مهران، بهروز پروانه و فتانه بیرانوند(1390)، پهنه بندی ...
  • مسعودیان، ابوالفضل (1382). نواحی اقلیمی، مجله جغرافیا و توسعه، شماره ...
  • Anyadike, R.N.C (1987). A multivariate classification and regionalization of West ...
  • B andyopadhyay .S, An efficient technique for superfamily classification of ...
  • Bezdek.J.C, Pattern Recognition with Fuzzy Objective Function Algorithms, - Plenum, ...
  • Hartigan..A, Clustering Algorithms, Wiley, (1975). ...
  • Hubert.L, Arabie.P, Some new indexes of cluster validity, Journal of ...
  • Jain. A.K, Murity. M.N, Flynn. P.J, Data Clustering: A Review, ...
  • Novak.V, Perfilieva.I and Mockor.J, Mathematical principles of fuzzy logic Dordrecht: ...
  • Philip, A (2008): Comparison of Principal Component and Cluster Analysis ...
  • Ramos, M. C (2001): Divisive and Hierarchical Clustering Techniques to ...
  • Sander.J, Principles of Knowledge Discovery in Data: Clustering I, Department ...
  • Spence.R, Information Visualization, Addison Wesley. Ha rlow:England, (200 1). ...
  • 3]White, F.J. and A.H.Perry (1989). Classification of the climate of ...
  • Everitt.B.S, Cluster Analysis, third ed., Halsted Press, (1993). ...
  • Hartigan..A, Clustering Algorithms, Wiley, (1975). ...
  • Tuyserkan municipal environmentl expert, sajjad201 1 63 @hotmail.com _ student ...
  • نمایش کامل مراجع