استخراج قوانین فازی از داده های GIS با استفاده از شبکه عصبی فازی جهت تشخیص بافت های فرسوده مناطق ۵ و ۱۱ شهر تهران
Publish Year: 1389
نوع سند: مقاله ژورنالی
زبان: Persian
View: 159
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SEPEHR-19-73_012
تاریخ نمایه سازی: 21 اردیبهشت 1400
Abstract:
در این تحقیق روشی جهت استخراج قوانین فازی موثر و قابل تفسیر از داده های GIS با استفاده از سیستم عصبی - فازی ارائه شده است. مدل فازی جهت رسیدن به دقت و تفسیرپذیری بالا از سه مرحله عبور کرده است. در مرحله اول وزن های اولیه شبکه عصبی - فازی با استفاده از الگوریتم خوشه بندی FCM به دست آمد. به منظور طبقه بندی دقیق داده های آموزشی در مرحله دوم از یک سیستم عصبی- فازی CANFIS استفاده گردید و بدلیل از دست رفتن قابلیت تفسیرپذیری مدل فازی از الگوریتم های ژنتیک جهت غلبه بر این محدودیت استفاده گردید. روش ارائه شده بر روی داده های مناطق ۵ و ۱۱ شهر تهران جهت تشخیص بافت های فرسوده مورد آزمایش قرار گرفته است. مسئله مورد بررسی از نوع طبقه بندی بوده و هدف تعیین درجات عضویت بافت ها به هریک از طبقات می باشد. فرسودگی بافت ها در ۴ طبقه شامل فرسودگی کم، متوسط، زیاد و بسیار زیاد مورد بررسی قرار گرفته است. تعداد ۳۰۰ نمونه آموزشی مورد استفاده قرار گرفت که پس از آموزش شبکه تمام داده های آموزشی به صورت صحیح و با RMS=۰.۰۰۴۵ طبقه بندی گردید. نتایج به دست آمده حاکی از آن است که روش ارائه شده در این تحقیق قابلیت تعمیم به مسائلی که در آن دانش کافی از سیستم هدف در دسترس نمی باشد را داراست و از دقت و تفسیرپذیری بالایی برخوردار است.
Keywords:
سیستم اطلاعات جغرافیایی , استنتاج قوانین فازی , الگوریتم خوشه بندی FCM , سیستم عصبی - فازی CANFIS , الگوریتم ژنتیک , بافت فرسوده شهری
Authors
پرویز ضیائیان فیروزآبادی
عضو هیات علمی دانشگاه شهید بهشتی
علیرضا متکان
عضو هیات علمی دانشگاه شهید بهشتی
وحید بابازاده
کارشناس ارشد سنجش از دور و GIS دانشگاه شهید بهشتی
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :