جستجوی مقالات مرتبط با کلیدواژه
تکرار جستجوی کلیدواژه classification algorithms در نشریات گروه کشاورزی
classification algorithms
در نشریات گروه آب و خاک
تکرار جستجوی کلیدواژه classification algorithms در مقالات مجلات علمی
-
پایش دقیق آب های سطحی یکی از کاربردهای مهم و ضروری در استفاده از سیستم های سنجش از راه دور است. برآوردن نیازهای مطرح شده در استفاده از داده های سنجش از دور برداشت شده از سطح زمین در بسیاری از کاربردها، تنها با استفاده از یک محصول و الگوریتم طبقه بندی کننده کافی و ممکن نیست و برای درک دقیق تر، ادغام داده ها می تواند گزینه بهتری باشد. لذا در این پژوهش از رویکردهای مختلفی همچون به کارگیری تصاویر دو سنجنده، شاخص های استخراج آب و الگوریتم های طبقه بندی جهت شناسایی پهنه های آبی استفاده گردید. در این راستا ابتدا تصاویر سنجندهای نوری لندست-8 و سنتینل-2 با یکدیگر ادغام شدند که در نتیجه آن وضوح مکانی این سنجنده ها با حفظ اطلاعات طیفی، از 30 به 10 متر ارتقا یافت. سپس شاخص های استخراج آب همچون (NDWI, MNDWI, AWEI_sh, AWEI_nsh, WI) بر تصاویر ادغام شده اعمال شد و پس از ترکیب آن با تصاویر اصلی ماهواره های منتخب، با استفاده از الگوریتم های طبقه بندی (SVM, Maximum Likelihood, Minimum Distance, Neural Network, Random Forest) محدوده مطالعاتی به دو دسته پهنه های آبی و غیرآبی طبقه بندی شد و در نهایت با استفاده از روش حداکثر رای گیری که از رویکردهای ادغام در سطح تصمیم گیری محسوب می شود نتایج حاصل از تمام الگوریتم های طبقه بندی برای تصاویر قبل و بعد از سیلاب استان مازندران در واقعه سیلاب سال 1398 شمسی با یکدیگر ادغام شدند. الگوریتم طبقه بندی جنگل تصادفی با دقت کلی 76/97 و 12/94 و ضریب کاپا 49/94 و 41/91 برای تصاویر قبل و پس از سیلاب بهترین عملکرد طبقه بندی در بین الگوریتم های مورداستفاده در این پژوهش را داشت. ادغام الگوریتم های طبقه بندی نشان از بهبود عملکرد تفکیک پهنه های آبی و غیرآبی با افزایش دقت کلی تفکیک به 41/98 و 24/95 و ضریب کاپا 12/96 و 81/92 برای تصاویر قبل و پس از سیلاب داشت.کلید واژگان: ادغام تصاویر، الگوریتم طبقه بندی، روش حداکثر رای گیری، سنجنده نوری، شاخص های استخراج آبAccurate monitoring of surface water is one of the important and necessary applications in the use of remote sensing systems. Meeting the needs raised in the use of remote sensing data collected from the earth's surface in many applications, using only one product and classification algorithm is not sufficient and possible, and for a more accurate understanding, data fusion can be a better option. In this system, various approaches such as water extraction indices or classification algorithms are used to identify water areas. In this research, an fusion approach of Landsat-8 and Sentinel-2 optical sensor images was used. Firstly, the spatial resolution of these sensors was enhanced from 30 to 10 meters by Pansharpening them and preserving spectral information. Then, water extraction indices such as NDWI, MNDWI, AWEI_sh, AWEI_nsh, and WI were applied to the integrated images. Subsequently, using classification algorithms such as SVM, Maximum Likelihood, Minimum Distance, Neural Network, and Random Forest, the study area was classified into two categories of water and non-water areas. Finally, the results obtained from all classification algorithms for pre and post-flood images of Mazandaran province in the 2019 flood event were merged using the majority voting method, which is considered an integration approach at the decision-making level. Random forest classification algorithm with overall accuracy of 97.76 and 94.12 and Kappa coefficient 94.49 and 91.41 for images before and after flood had the best classification performance among the algorithms used in this research. The fusion of classification algorithms showed an improvement in the separation performance of water and non-water areas with an increase in the overall accuracy of separation to 98.41 and 95.24 and Kappa coefficient 96.12 and 92.81 for the images before and after the flood.Keywords: Classification Algorithms, Image Fusion, Majority Voting Method, Optical Sensor, Water Extraction Indices
-
در کشورهای در حال توسعه با ارزش پولی پایین، شرکت های مشاوره برای کسب سود بیشتر به دنبال شرکت کردن در پروژه های بین المللی می باشند. اما شرکت در مناقصات بین المللی نیازمند صرف منابع زیادی (زمان، هزینه و منابع انسانی) برای خرید اسناد مناقصه، ارزیابی شرایط پروژه و آماده کردن پیشنهاد مناقصه است. از این رو پیش بینی نتیجه مناقصات بین المللی می تواند باعث جلوگیری از مصرف منابع برای شرکت در مناقصات نامناسب شود. هدف از این پژوهش شناسایی معیارهای موثر در نتیجه مناقصات بین المللی برگزار شده برای انتخاب مشاوران صنعت آب و مقایسه الگوریتم های داده کاوی در پیش بینی نتیجه این مناقصات است. معیارهای شناسایی شده شامل نوع امور تخصصی، نحوه ارسال پیشنهاد مناقصه، چگونگی آشنایی با مناقصه، نوع مناقصه، تامین کننده مالی، داشتن همکار در کشور مبدا و نوع پروژه می باشند و الگوریتم های مقایسه شده به ترتیب دقت شامل ماشین بردار پشتیبانی، Chaid، ID3، درخت تصمیم، بیز ساده و نزدیک ترین همسایه هستند. از میان الگوریتم های مذکور، الگوریتم ماشین بردار پشتیبانی با دقت 89.31 درصد دارای بیشترین دقت می باشد. بنابراین پیشنهاد می شود که از این الگوریتم به عنوان پردازشگر در سیستم های پشتیبان تصمیم مناقصات استفاده شود تا موجب بهبود تصمیم به شرکت/عدم شرکت مشاوران در مناقصات بین المللی صنعت آب شود.کلید واژگان: مناقصات صنعت آب، الگوریتم های دسته بندی، داده کاوی، مشاوران، تصمیم سازیIn developing countries where the value of money is low, consultant firms are keen to participate in international tenders. Participating in international tenders requires a lot of resources (time, cost, etc.) to evaluate the project condition and prepare a suitable proposal. Predicting the outcome of these tenders is important because it can prevent the use of resources to participate in inappropriate tenders. The aim of this paper is to identify factors that affect the outcome of water industry international tenders holding for selection of consultants and compare the classification algorithms in predicting the outcome of this tenders. effective factors include Lead department, Documents delivery method, Tender Identify Method, Type of Tender, Financer, Lead Department Partner, Final Status and Project Type and Compared algorithms include Decision Tree, ID3, Chaid, K-Nearest Neighbor (KNN), Naïve Bayes and Support Vector Machine (SVM). The most accurate algorithms are 1-SVM, 2-Chaid, 3-ID3, 4-Decision Tree, 5-Naïve Bayes and 6-KNN. so It is suggested to use the SVM algorithm as the processor in decision support systems to improve the bid/no-bid decision for consultant firms seeking to participate in the water industry international tenders.Keywords: Water Industry Tenders, Classification Algorithms, Data mining, Decision Making
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.