کاوش برخط داده های زمین شناسی با استفاده از الگوریتم های داده کاوی جریانی

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,003

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEGE07_019

تاریخ نمایه سازی: 29 دی 1392

چکیده مقاله:

تولید حجم بالای داده های زمین شناسی همچون اطلاعات مربوط به نوع خاک، زمین لغزش ه ا، آب های سطحی و زیرزمینی و غیره، نیازهای مربوط به تحلیل و مدلسازی این داده ها نیز بیشتر می شود. بسیاری از روش ه ای داده کاوی با هدف پیش بینی شرایط آینده ی زمین، بر اساس مشاهدات کنونی زمین شناسی مورد استفاده قرارگرفته اند، به عنوان نمونه تکنیک های مختلفی برای پیش بینی زمین لغزش ها بر اساس پارامترهای نمونه ه ای کنونی همچون شیب، جهت شیب، فاصله تا تپه، بافت خاک، قطر، ضخامت مؤثر وغیره بر به کارگرفته شده است. با این حال، با توجه به سرعت بالا ی تولی د و حجم روز افزون داده های زمین شناسی، روش های داده کاوی معمولی کارایی خود را در تحلیل این داده ها از دست داده اند و استفاده از روشهای برخط داده کاوی جریانی ضروری به نظر می رسد. در این مقاله پس از معرفی کاربردهایی از داده کاوی سنتی و جریانی، با توجه به سرعت، سادگی و کارایی الگوریتم درخت تصمیم، استفاده از الگوریتم VFDT برای پردازش داده های جریانی پیشنهاد می شود. نتایج حاصل از اعمال این الگوریتم در برابر درخت تصمیم سنتی، نشانگر کارایی بالای این الگوریتم در کاوش حج مهای بالای داده است.

کلیدواژه ها:

نویسندگان

فاطمه کرانی

دانشگاه علم و صنعت ایران، دانشکده مهندسی کامپیوتر، تهران

محمدرضا کنگاوری

نام دانشگاه علم و صنعت ایران، دانشکده مهندسی کامپیوتر، 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 :
  • استفاده از تکنیک های داده کاوی در زلزله شناسی [مقاله کنفرانسی]
  • علی محمد رجبی، محمدرضا مهدویفر، ماشاءاله خامه چیان (1388)، "کاربرد ...
  • Nittel & K.T. Leung(2004) _ "Parallelizing clustering of geoscientific data ...
  • P. Samui and T G. Sitharam(201 1), "Machine learning modelling ...
  • Pang-Ning Tan , Michael Steinbach , Vipin Kumar(2005), "Introduction to ...
  • Piyush Rai, Hal Daumx, Suresh Venkatas ubramani an(2009) , "Streamed ...
  • Piotr Indyk (2004), "Streaming Algorithms for Geometric Problems:, Computer Science ...
  • rule mining on remotely sensed Association:ه Qin Ding, Qiang Ding ...
  • Qiang Ding , Qin Ding , William Perrizo(2002) , " ...
  • Shashi Shekhar, Pusheng Zhang, Yan Huang, Ranga Raju Vatsavai (2003), ...
  • Shekhar S. and Chawla S (2003), :Introduction to spatial data ...
  • Y. Chen & L. Tu.(2007) , _ Density-based clustering for ...
  • Yeon Y-K, Han J-G, Ryu KH (2010) :Landslide susceptibility mapping ...
  • نمایش کامل مراجع