اخبار و اعلانات

 آمار

تعداد نشریات42
تعداد شماره‌ها1,514
تعداد مقالات12,490
تعداد مشاهده مقاله24,776,973
تعداد دریافت فایل اصل مقاله10,440,091
تاریقلی زاده, هادی, میرباقری, بابک, متکان, علی اکبر. (1402). مقایسه عملکرد شبکه های عصبی خود سازمانده مکانی و غیرمکانی در خوشه بندی داده های اجتماعی- اقتصادی بلوک های آماری شهر اصفهان. سامانه مدیریت نشریات علمی دانشگاه اصفهان, (), -. doi: 10.22108/gep.2023.137707.1582
هادی تاریقلی زاده; بابک میرباقری; علی اکبر متکان. "مقایسه عملکرد شبکه های عصبی خود سازمانده مکانی و غیرمکانی در خوشه بندی داده های اجتماعی- اقتصادی بلوک های آماری شهر اصفهان". سامانه مدیریت نشریات علمی دانشگاه اصفهان, , , 1402, -. doi: 10.22108/gep.2023.137707.1582
تاریقلی زاده, هادی, میرباقری, بابک, متکان, علی اکبر. (1402). 'مقایسه عملکرد شبکه های عصبی خود سازمانده مکانی و غیرمکانی در خوشه بندی داده های اجتماعی- اقتصادی بلوک های آماری شهر اصفهان', سامانه مدیریت نشریات علمی دانشگاه اصفهان, (), pp. -. doi: 10.22108/gep.2023.137707.1582
تاریقلی زاده, هادی, میرباقری, بابک, متکان, علی اکبر. مقایسه عملکرد شبکه های عصبی خود سازمانده مکانی و غیرمکانی در خوشه بندی داده های اجتماعی- اقتصادی بلوک های آماری شهر اصفهان. سامانه مدیریت نشریات علمی دانشگاه اصفهان, 1402; (): -. doi: 10.22108/gep.2023.137707.1582

مقایسه عملکرد شبکه های عصبی خود سازمانده مکانی و غیرمکانی در خوشه بندی داده های اجتماعی- اقتصادی بلوک های آماری شهر اصفهان

جغرافیا و برنامه ریزی محیطی
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 26 تیر 1402    اصل مقاله (1.68 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22108/gep.2023.137707.1582
نویسندگان
هادی تاریقلی زاده1؛ بابک میرباقری* 2؛ علی اکبر متکان3
1مرکز مطالعات سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید بهشتی تهران
2هیات علمی دانشکده علوم زمین، مرکز مطالعات سنجش از دور و GIS، دانشگاه شهید بهشتی تهران
3هیات علمی مرکز مطالعات سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید بهشتی تهران
چکیده
امروزه با افزایش حجم و ابعاد داده‌های مکانی و نیاز به درک جامع و کامل داده‌ها، شبکه‌های عصبی خودسازمانده به ابزاری استاندارد برای کار با داده‌های بزرگ و چند بعدی تبدیل شده‌اند که می‌توانند در خوشه‌بندی، بصری‌سازی داده‌های چند-بعدی و انتقال داده‌های چند‌بعدی در فضایی با ابعاد کمتر استفاده شوند. هدف این تحقیق، خوشه‌بندی داده‌های بلوکهای آماری شامل ده متغیر منتخب اجتماعی - اقتصادی مرتبط با رویکرد توسعه پایدار شهری با شبکه‌های عصبی خودسازمانده بدون استفاده از پارامترهای مکانی و با بکارگیری مختصات جغرافیایی بلوکهای آماری بعنوان پارامتر مکانی در روند خوشه-بندی و مقایسه نتایج حاصل شده می‌باشد. الگوریتم SOM رایجترین شبکه‌ عصبی خودسازمانده و Geo-SOMمکانی شده این الگوریتم است. روند خوشه‌بندی هر دو الگوریتم یکسان است و تنها تفاوت این دو الگوریتم بکارگیری پارامترهای مکانی در روند اجرای الگوریتم Geo-SOM است. با آموزش این دو الگوریتم، داده‌ها خوشه‌بندی شدند. بررسی نتایج نشان داد خوشه‌های حاصل از دو الگوریتم کاملا متفاوت است. خوشه‌بندی ‌بلوک‌های آماری بدون توجه به خصوصیات مکانی و تنها استفاده از معیار شباهت، منجر به خوشه‌های ناهمگن می‌شود و بالعکس با اعمال پارامترهای مکانی نه تنها از معیار شباهت، بلکه از ویژگی‌های مکانی داده‌ها نیز در فرایند خوشه‌بندی استفاده می‌شود که این مساله منجر به تولید خوشه‌های همگن می‌شود. ارزیابی نتایج با استفاده از ضریب سیلهوته بیانگر خوشه‌بندی مناسبتر Geo-SOM است به طوریکه میانگین ضریب سیلهونه برای الگوریتم SOM برابر 02/0- و برای الگوریتم Geo-SOM برابر 27/ 0است. مقایسه نتایج نشان دهنده تاثیر مثبت پارامترهای مکانی در خوشه‌بندی داده‌های اجتماعی و اقتصادی است.
کلیدواژه‌ها
شبکه های عصبی خودسازمانده؛ Geo-SOM؛ خوشه بندی؛ داده های مکانی؛ بلوکهای آماری؛ شهر اصفهان
مراجع
آمار
تعداد مشاهده مقاله: 28
تعداد دریافت فایل اصل مقاله: 10


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب