تحلیل روند داده های مکانی با استفاده از روش های ابتکاری

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,510

فایل این مقاله در 12 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:

IIEC06_209

تاریخ نمایه سازی: 8 مهر 1387

چکیده مقاله:

با پیشرفت فناوری های جمع آوری و مدیریت داده های مکانی و حجم عظیم داده های مکانی، تحلیل خودکار و اکتشاف دانش از این پایگاه های داده "داده کاوی مکان محور" به یکی از حوزه های مهم و کاربردی تبدیل شده است. با توجه به ویژگی خاصی که این داده ها دارند، الگوهای روند مکانی تنها در پایگاه های داده مکانی تعریف می شوند و کاربردهای مختلفی دارند که از آن جمله به اکتشاف پدیده های منظم مکانی و پیش بینی مقادیر غیر مکانی می توان اشاره نمود. با توجه به این که اکتشاف روند مکانی یک مسئله جستجوی گراف می باشد و با توجه به حجم فضای جستجو، استراتژی هایی مناسب هستند که به کاوش و حرکت در فضای جستجو بپردازد و بصورت هوشمند و مستقل از کاربر عمل نمایند، به همین دلیل مانند سایر مسائل جستجو و بهینه سازی، استفاده از روش های ابتکاری راه حل های مناسبی جهت اکتشاف دانش ارائه می نماید. روش ارائه شده در این مقاله شامل سه مرحله اصلی می باشد: مرحله پیش پردازش و ایجاد گراف همسایگی که شامل استخراج داده های مکانی و محاسبه فاصله اقلیدسی و جهت لبه های گراف همسایگی می باشد. مرحله دوم شامل کشف روندهای موجود با استفاده از الگوریتم ژنتیک و الگوریتم ایمنی مصنوعی است و مرحله سوم شامل تحلیل روندهای کشف شده، با استفاده از سایر لایه های اطلاعات می باشد. مشاهده نتایج پیاده سازی روی داده های هزینه و درآمد خانوار مرکز آمار ایران، بیانگر بهینه و کاربردی بودن آن جهت داده کاوی سرشماری و تصمیمات سازمان مدیریت و برنامه ریزی کشور می باشد.

نویسندگان

مهرناز درخشان فر

دانشجوی کارشناسی ارشد، گروه مهندسی فناوری اطلاعات، دانشگاه علم و صنعت ایران

بهروز مینایی بیدگلی

استادیار دانشگاه علم و صنعت ایران، دانشکده مهندسی کامپیوتر

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 :
  • Koperski, K., Adhikary, _ & Han, J., Spatial data mining: ...
  • Koperski, K. and Han, J., Discovery of spatial association rules ...
  • Ester, M., Frommelt A., Kriegel, H.P. _ Sander, J., Spatial ...
  • Miller, H.J. & Han, J., Geographic data mining and knowledge ...
  • Ng, R. & Han, J., CLARANS: A method for clustering ...
  • Koperski, K. and Han, J. and Stefanovic, N. An efficient ...
  • Ester, M., Kriegel, H.P. and Sander, J., Spatial data mining: ...
  • Wang, L., Xie, K., Chen, T. and Ma, X., Efficient ...
  • Huang, Y., Shekhar, S. and Xiong, H., Discovering spatial co-location ...
  • Ester, M., Frommelt A., Kriegel, H.P. & Sander, J., Algorithms ...
  • M. Ester, H.P. Kriegel, J. Sander and X. Xu, Dens ...
  • Zarnani, A., Rahgozar, M., Efficient Discovery of knowledge from larg ...
  • Dorigo, M., Bonabeau, E. & Theraulaz, G., Ant algorithms and ...
  • Dorigo, M. & Caro, G. Di, Ant algorithms for discrete ...
  • Choenni, A., Desing and imp lementation of a genetic-based algorithm ...
  • Huang, Y., Shekhar, S. and Xiong, H., Discovering spatial co-location ...
  • Haupt, Practical Genetic Algorithms. Wiley-2004 ...
  • Pearl, J., Heuristic: Intelligent search strategies jfor cOmputer problem solving. ...
  • Zarnani, A., Rahgozar, M., Mining spatial trends by a colony ...
  • Choenni, A., Desing and imp lementation of a genetic-based algorithm ...
  • Freisleben, B. and Merz, P., Genetic local search algorithms for ...
  • Demisar, Uriska, Data mining of geospatial data _ combining visual ...
  • Shekhar, S., Zhang, P., Huang, Y. and Vatsavai, R., Trends ...
  • Studer, M., Seifert, B. and Gasser, T., NONPA RAMETRIC RE ...
  • Custello, V., Krasnogor, N., Nicosia, G., Pavone, M., Immune Algorithm ...
  • Engelbrecht, A.P. _ 44C omputational Intelligence: An Introduction Second Edition? ...
  • نمایش کامل مراجع