CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

استفاده از داده کاوی در پیش بینی و دسته بندی وضعیت ترافیک

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۴۰۴۴ | نظرات: ۰
سال انتشار: ۱۳۸۷
کد COI مقاله: TTC08_060
زبان مقاله: فارسی
حجم فایل: ۴۸۸.۹۱ کلیوبایت (فایل این مقاله در ۱۰ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۰ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله استفاده از داده کاوی در پیش بینی و دسته بندی وضعیت ترافیک

  فرید سیفی - دانشجوی دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران
  محمدرضا کنگاوری (شناسه پژوهشگر - Researcher ID: ۳۶۱۶)
استادیار دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران

چکیده مقاله:

داده کاوی یکی از شاخه های علم کامپیوتر است که در سالهای اخیر بطور وسیعی توسط سازمانهای بزرگ به منظور تحلیل و پردازش داده ها مورد توجه قرار گرفته است. تکنیکهای داده کاوی عموما برای استخراج دانش و الگو از مجموعه داده های بزرگ و به منظور یادگیری و پیش بینی شرایط جدید به کار میروند. این تکنیکها در زمینه هایی که داده های زیادی تولید می کنند وپردازش این داده ها به صورت دستی ممکن نمی باشد مورد استفاده قرار می گیرند. با پیشرفت تکنولوژی امروز داده های بسیاری در زمینه ترافیک تولید می شوند که امکان پردازش دستی در آنها وجود ندارد. یکی از مسائلی که در این زمینه مطرح می شود پیش بینی وضعیت ترافیک است. در اینمقاله از روش دسته بندی که یکی از تکنیکهای داده کاوی است. به منظور یادگیری رفتار ترافیک و پیش بینی وضعیت های جدید وتصمیم گیری در مورد آن استفاده کرده ایم و نشان داده ایم که این تکنیکها را چگونه می توان در این زمینه استفاده کرد.

کلیدواژه‌ها:

داده کاوی ، دسته بندی ، پیش بینی ، مهندسی ترافیک ، حمل و نقل

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-TTC08-TTC08_060.html
کد COI مقاله: TTC08_060

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
سیفی, فرید و محمدرضا کنگاوری، ۱۳۸۷، استفاده از داده کاوی در پیش بینی و دسته بندی وضعیت ترافیک، هشتمین کنفرانس مهندسی حمل و نقل و ترافیک ایران، تهران، سازمان حمل و نقل و ترافیک تهران، معاونت حمل و نقل و ترافیک شهرداری تهران، https://www.civilica.com/Paper-TTC08-TTC08_060.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (سیفی, فرید و محمدرضا کنگاوری، ۱۳۸۷)
برای بار دوم به بعد: (سیفی و کنگاوری، ۱۳۸۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Qiang Ding, Qin Ding, William Perrizo, 2002, Decision Tree Classification ...
  • Ruoming Jin, Gagan Agrawal, 2003, Efficient Decision Tree Construction On ...
  • Nicholas R. Howe, Toni M. Rath, and R. Manmatha, 2005, ...
  • Patrick Knab, Martin Pinzger, and Abraham Bernstein, 2006, Predicting Defect ...
  • J. Gehrke, V Ganti, R. Ramakri shnan, and W.-Y. Loh. ...
  • J. Gehrke, R. Ramakri shnan, and V. Ganti. , 1998, ...
  • F. Seifi, H. Ahmadi, M. Kangavari, 2007, Twins Decision Tree ...
  • کدام مقالات به این منبع استناد نموده اند

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۲۷۷۱۱
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.