جستجوی مقالات مرتبط با کلیدواژه
تکرار جستجوی کلیدواژه fuzzy clustering در نشریات گروه علوم پایه
fuzzy clustering
در نشریات گروه زمین شناسی
تکرار جستجوی کلیدواژه fuzzy clustering در مقالات مجلات علمی
-
در این پژوهش با هدف آشکارسازی و پایش عوارض زمین ریخت شناسی (خط الراس ها و خط القعرها) و همچنین تصحیح و کاهش اثرات جوی (پوشش سایه و ابر) از تصاویر پانکروماتیک HR-PRS سنجنده GeoEye-1 مربوط به ارتفاعات شمالی تله زنگ در زاگرس میانی استفاده شده-است. در این راستا پس از پیش پردازش های رادیومتریک و هندسی، بر اساس ویژگی های فازی به ادغام تصاویر ورودی در نرم افزار MATLAB پرداخته و سپس با بهره گیری از الگوریتم های MSA ، FWS ، IDF و CFM به ناحیه بندی فازی تصاویر پنکروماتیک HR-PRS اقدام گردید. نتایج ناحیه بندی فازی و مقایسه الگوریتم های مورد بررسی نشان می دهد که الگوریتم Interval-valued Data Fuzzy c-means (IDF) در محدوده مورد مطالعه عملکرد مناسب تری نسبت به سایر روش ها جهت ناحیه بندی فازی و آشکارسازی خطواره ها دارد. اوج تفاوت عملکرد این الگوریتم در ناحیه بندی خطواره های محدوده سایه ابر می باشد که ماهیتی رادیومتریکی دارد و این کار به درستی توسط این روش صورت گرفته است. دلیل این امر استفاده از اعداد فازی، مقاومت در برابر نویز و داده های دور افتاده و نیز ویژگی های بافتی، ساختاری و طیفی جهت خوشه بندی کارا و شناسایی هدف در این روش می باشد. نتایج این پژوهش اثربخشی و کارایی الگوریتم های ناحیه بندی فازی مورد مطالعه را در آشکارسازی عوارض زمین ریخت شناسی خطواره ها و از بین بردن پوشش ابرها و سایه ها در تصاویر ماهواره ای HR-PRS ثابت می کند. در همین حال، این یافته ها ایده-های جدیدی را برای مطالعات سنجش از دور به ویژه در زمینه استخراج دقیق اطلاعات از تصاویر و پردازش تصویر ارایه می دهد.کلید واژگان: ناحیه بندی، فرایند ادغام، تصاویر پانکروماتیکHR-PRS، الگوریتم های خوشه بندی فازی، سنجنده GeoEye-1In this study, with the aim of detecting and monitoring geological lines (ridges and thalweg) as well as correcting and reducing atmospheric effects (shadow and cloud cover) from HR-PRS panchromatic images of GeoEye-1 sensor from the northern highlands in the Middle Zagros have been used. In this regard, after radiometric and geometric processing, based on fuzzy properties, the input images are integrated in MATLAB software and then using MSA, FWS, IDF and CFM algorithms, fuzzy segmentation of HR-PRS panchromatic images was performed. In general, the results of applying the studied fuzzy segmentation algorithms on the study area show that the Interval-valued Data Fuzzy c-means (IDF) method has the best performance in detecting lineaments. But the difference in the performance of this algorithm is in the fuzzy segmentation of the lineaments in the cloud shadow, which is of a radiometric nature, and this has been done correctly. This is due to the use of fuzzy numbers, noise resistance and remote data, as well as textural, structural and spectral properties for efficient clustering and target identification in this method. The results of this study prove the effectiveness and efficiency of the fuzzy segmentation algorithms studied in detecting lines and eliminating cloud cover and shadows in HR-PRS satellite images. At the same time, these findings offer new ideas for remote sensing studies, especially in the field of precise information extraction from images and image processing.Keywords: Segmentation, Fusion, HR-PRS panchromatic images, Fuzzy clustering, GeoEye-1 sensor
-
The current paper deals with a new use of fuzzy logic in the domain of seismic zonation methodologies with a case study in Meybod, Iran. Determining the risk function of an earthquake is an important issue and for the complete solution, the seismic specialist shall necessarily find the soil response and present an appropriate zonation output to the civil engineer. For tackling this problem, a fuzzy clustering method has been applied in acquiring microtremor data more specifically in the city of Meybod. Dataset is divided into four subsets based on its intrinsic complexity by GK fuzzy clustering. Features in this classification practice are including the coordinates, the output dominant frequency of H/V method and the related amplitudes. Euclidian distance matrix norm is constructed to detect hyper ellipsoidal clusters with different orientations (shape and size) in the dataset. The cluster means are then refreshed in an iterative manner so as to identify the uniform seismic answer into the isolated gatherings. We used this method to determine the four divided seismicity regions with different range of frequencies. In addition, various type of soil structures in Meybod city with high and weak risky area have been cleared and can be applied in hazard and earthquake engineering projects. This approach was significantly well matched with clay and silt dominant on soil observed in the boreholes. Finally zonation maps based on this new method is provided.
Keywords: seismic microzonation, Fuzzy logic, Fuzzy Clustering, Meybod city, Site Effect -
نشریه علوم زمین، پیاپی 105 (پاییز 1396)، صص 61 -70چشمه های لرزه ای نقش مهمی در برآورد خطر در فرایند تحلیل خطر لرزه ای ایفا می کنند. انتخاب این مناطق بیشتر بر پایه قضاوت های کارشناسان انجام می شود و در بیشتر موارد، تعیین چشمه های لرزه ای توسط چند کارشناس نتایج متفاوت و بحث برانگیزی را دربر دارد. از این رو، یکی از عوامل مهم در ایجاد عدم قطعیت در تحلیل خطر می تواند به دلیل چگونگی انتخاب چشمه ها باشد. نسبت دادن رخدادهای گذشته به هر چشمه لرزه ای مساله مهم بعدی تحلیل خطر زمین لرزه است که این کار نیز توسط قضاوت های بصری کارشناسان انجام می شود و از آنجایی که گسل مسبب هر رخداد به طور واضح مشخص نیست؛ مانند تعیین چشمه های لرزه ای، این شیوه نتایج مبهمی دارد. در پژوهش حاضر سعی شده است که با استفاده از روش بهینه سازی توده ذرات به منظور خوشه بندی فازی، به طور هم زمان چشمه های لرزه ای تعیین شده و رویدادهای لرزه ای به گسل ها نسبت داده شوند. الگوریتم مورد استفاده بر پایه کمینه سازی دو تابع هدف فاصله رویداد ها از گسل و مرکز خوشه (مرکز چگالی رویدادها) کار می کند. این الگوریتم به دو حالت روی داده های ناحیه شمال باختر ایران اعمال شد؛ در حالت اول فاصله مورد محاسبه فاصله اقلیدسی بوده است و در حالت دوم فاصله ماهالانوبیس در محاسبات در نظر گرفته شدند. برای ارزیابی درستی الگوریتم، از رویداد هایی که از پیش به گسل ها نسبت داده شده اند استفاده شد. مقایسه خروجی های الگوریتم با بانک اطلاعات زمین لرزه های نسبت داده شده گذشته نشان داد که 2/79 درصد از این رویدادها با در نظر گرفتن فاصله اقلیدسی و 5/87 درصد از این رویدادها با در نظر گرفتن فاصله ماهالانوبیس به درستی به گسل ها اختصاص یافتند که نشان از عملکرد خوب روش پیشنهادی این مطالعه با استفاده از فاصله ماهالانوبیس دارد. نتایج حاصل نشان می دهند که رویکرد پیشنهادی به مهندسین زمین لرزه شناسی کمک می کند تا با عدم قطعیت کمتری در فرایند تحلیل خطر لرزه ای افزون بر تعیین چشمه ها، زمین لرزه ها را به گسل ها اختصاص دهند.کلید واژگان: خوشه بندی فازی، بهینه سازی توده ذرات (PSO)، تحلیل خطر لرزه ای احتمالی (PSHA)، چشمه های لرزه ایSeismic source zones have an important role in hazard assessment in probabilistic seismic hazard analysis. These zones often determined according to judgments by experts are, in most cases, non-uniform across a specific region and typically controversial. Thus, most of the uncertainty in probabilistic seismic hazard analysis can be related to the delineation of seismic sources. Another problem of probabilistic seismic hazard analysis is the way earthquakes are associated with the faults. Even though it is well-known that earthquakes happen on faults, but most of them are still unknown, this constrains the realization and assessment of seismic risks by experts. This paper attempts to determine seismic sources and associate events to faults using a fuzzy particle swarm optimization clustering algorithm. The algorithm works based on the minimization of two objective functions: distance from events to fault, and distance from events to their center of density (i.e. cluster center). The algorithm is applied on seismic data acquired from northwest of Iran, and its performance is evaluated based on the events assigned to the faults by previous researchers. Comparing associated earthquakes to faults by the algorithm in northwest of Iran with known and documented earthquakes, reveals that, 79.2% of the events are correctly induced by faults. Final result shows that, this methodology will help seismological engineers take a step forward in hazard analysis by determining seismic sources and assigning earthquakes to different active faults.Keywords: Fuzzy Clustering, Particle Swarm Optimization (PSO), Probabilistic Seismic Hazard Analysis (PSHA), Seismic Sources
-
امروزه تلفیق داده های زمین مرجع با استفاده از فناوری سیستم اطلاعات جغرافیایی (GIS)، به صورت گسترده ای به کار گرفته می شود. در این روش ها، تلفیق لایه های اطلاعاتی با توجه به کیفیت و کمیت داده ها و به کارگیری روش های وزن دهی مناسب صورت می گیرد. در پایان با استفاده از روش های تقسیم بندی مانند روش فواصل هندسی، نقشه پتانسیل معدنی تهیه می شود. روش های خوشه بندی که استفاده از آنها در پردازش داده ها در حال افزایش است، با توجه به میزان شباهت میان داده ای، نمونه ها را میان گروه های مشخص تقسیم می کند. در این پژوهش روش تهیه نقشه پتانسیل معدنی با هدف اکتشاف طلا با استفاده از روش خوشه بندی میانگین های -K و میانگین های-K فازی بررسی می شود. پس از آن نتایج این روش ها با نقشه پتانسیل معدنی که در محیط GIS با استفاده از مدل تلفیق همپوشانی اندیس ها برای منطقه باریکا در برگه 1:100000 آلوت در جنوب آذربایجان غربی تهیه شده، مقایسه می شود. در منطقه باریکا به دلیل در دسترس نبودن نقاط حفاری در دسترس نمی توان تعداد کلاس ها و مرز هر کلاس برای تعیین امتیازات نقشه نهایی را با روش های متداول مشخص کرد، ولی در روش های خوشه بندی، تعیین آستانه برای تعداد کلاس مفروض به صورت خودکار و بر پایه میزان شباهت داده ها به خوبی انجام می شود. افزون بر این با استفاده از روش های خوشه بندی می توان شمار کلاس بهینه برای نمایش امتیاز های نقشه پتانسیل را نیز تعیین کرد که در این پژوهش انجام شده است. نتایج نشان می دهد که هر دو روش، خوشه بندی و همپوشانی اندیس ها، پرپتانسیل ترین محدوده را تقریبا مشابه یکدیگر به دست آورده اند با این تفاوت که روش خوشه بندی به اطلاعات کمتری نسبت به منطقه مورد بررسی نیاز دارد در حالی که در روش همپوشانی اندیس ها، وزن دهی داده ها و تعیین آستانه برای تعیین مرز امتیازات پایانی به اطلاعات بیشتری نیاز دارد.
کلید واژگان: سیستم اطلاعات جغرافیایی، خوشه بندی فازی، میانگین های، K، نقشه پتانسیل معدنی، باریکاNowadays GIS techniques are used as a conventional tool for integrating geographic information datasets. In these methods, integration is done according to quality and quantity of datasets and using appropriate weighting approaches. Finally, with Classification methods like Geometric Distances, Mineral Potential Maps (MPM) is produced. By increasing application in data processing, clustering methods classify samples into groups by similarity between them. In this paper, K_ Means and Fuzzy K_ Means clustering methods are discussed for mapping potential zones of Gold mineralization, then the results are compared with GIS method, Index Overlaying, for the Barika area in 1:100,000 Alut Sheet in South of Azerbaijan. In the Barika area, information of drilling points aren’t available, so it’s not possible to determine number of classes and boundaries of each class for final score map, but in clustering methods, the optimum number of class for output map is done automatically and is tested for the Barika Anomaly data. The results show that clustering methods need no weighting and it’s possible to use it with low information than GIS_ based method. The results also show that both of approaches, clustering methods and Index overlaying, display almost an equal area for the most potential zone, however clustering methods need low information for analyzing, but in Index overlaying, it is needed to have more information for weighting and determining threshold for classification of final scores.Keywords: Geographic Information System, Fuzzy Clustering, K, Means, Mineral Potential Map, Barika
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.
©2000-2025 magiran.com All Rights Reserved.