به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

spatial clustering

در نشریات گروه ریاضی
تکرار جستجوی کلیدواژه spatial clustering در نشریات گروه علوم پایه
تکرار جستجوی کلیدواژه spatial clustering در مقالات مجلات علمی
  • علی ابوالحسنی*، سمیه تاری
    تشخیص به هم خوردن نسبت جمعیتی در ساختار جمعیت، یکی از چالش هایی است که هر کشور با آن روبرو می شود. پیری جمعیت، نوعی ناهنجاری جمعیتی است که عدم توجه به آن سبب بروز مشکلات جمعیتی می شود. هشدار به موقع در مورد سالمند شدن جامعه، می تواند به برنامه\/ریزی در خصوص فرزندآوری از یک سو و فراهم کردن امکانات مناسب برای سالمندان از سوی دیگر مفید باشد. برای مثال، پایتخت ژاپن نمونه خوبی از محیط شهری مناسب برای سالمندان است. یکی از ابزارهای تشخیص ناهنجاری، خوشه یابی فضایی به کمک آماره اسکن است. در سه دهه گذشته، روش آماره اسکن حوزه ای بسیار مهم و فعال در تحقیقات آماری بوده است. تشخیص مناطقی بر روی نقشه های جغرافیایی که در آن ها تمرکز نقاط (سالمندان، بیماران، مجرمان، گونه حیوانی خاص و غیره) معنی دار باشد، در بسیاری از زمینه ها مانند اپیدمیولوژی، سیاست، جرم و جنایت، جانورشناسی و...، دارای اهمیت است. به کمک روش آماره اسکن می توان این نوع خوشه های فضایی را شناسایی کرد.در این مقاله، به معرفی آماره اسکن بر اساس توزیع پواسن می پردازیم. با استفاده از شبیه سازی، کارایی این روش در شناسایی خوشه های فضایی را مورد بررسی قرار می دهیم. بر اساس نتایج به دست آمده از شبیه سازی، روش آماره اسکن پواسن، روشی مناسب برای تشخیص ناهنجاری ها در داده های فضایی شمارشی است. به عنوان کاربردی از خوشه یابی فضایی، ساختار جمعیتی ایالت جورجیا را در نظر می گیریم و ناحیه هایی را مشخص می کنیم که در آنها جمعیت سالمند به طور معنی دار زیاد است. این ناحیه ها در اجرای برنامه های اصلاحی جمعیت بایستی در اولویت قرار گیرند.
    کلید واژگان: خوشه یابی فضایی، آماره اسکن، آزمون مونت کارلو، توزیع پواسن، نسبت درستنمایی
    Ali Abolhassani *, Somayyeh Tari
    Identification of population ratio disruption in the population structure is one of the challenges that every country faces. Population aging is a kind of demographic abnormality that lack of attention causes population problems. A timely warning about the aging of society can be useful for planning about having children on the one hand and providing suitable facilities for the elderly on the other hand. For example, the capital of Japan is a good example of an urban environment suitable for the elderly.One of the anomaly detection tools is spatial clustering using scan statistics. In the last three decades, the scan statistic method has been a very important and active field in statistical research. Identifying areas on geographic maps, where the concentration of points (elderly, sick, criminals, certain animal species, etc.) is significant, is important in many fields such as epidemiology, politics, criminology, zoology, and so on. With the help of scan statistic method, spatial clusters can be identified.In this article, we introduce the scan statistic method based on Poisson distribution. Using simulation, we investigate the efficiency of this method in identifying spatial clusters. Based on the results obtained from the simulation, the Poisson scan statistic method is a suitable method for detecting anomalies in the count spatial data. As an application of spatial clustering, we consider the population structure of the state of Georgia and identify areas where the elderly population is significantly high. These areas should be prioritized in the implementation of population reform programs.
    Keywords: Spatial Clustering, Scan Statistic, Monte-Carlo Hypothesis Testing, Poisson Distribution, Likelihood Ratio
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال