تجمیع فناوری های داده کاوی و کشف دانش با تحلیل داده های فضایی و سیستم اطلاعات جغرافیایی GIS داده کاوی فضایی- جغرافیایی
Publish place: 2nd Conference on crisis management in the construction industry, life lines and underground structures
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 3,459
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
CMCILFUS02_039
Index date: 21 July 2012
تجمیع فناوری های داده کاوی و کشف دانش با تحلیل داده های فضایی و سیستم اطلاعات جغرافیایی GIS داده کاوی فضایی- جغرافیایی abstract
این مقاله به بررسی تکنیک ها و روش های داده کاوی (DM) و کشف دانش (KD) و تجمیع آن با سیستم اطلاعات جغرافیایی (GIS) برای تحلیل بهتر داده های فضایی می پردازد. آزمایشات نشان میدهند که با بهره گیری از داده کاوی و تکنیک های آن می توان به کشف دانش و یافتن الگوهای کارآمد در GIS پرداخت و نیز از آن الگوها برای پیش بینی رخدادهای آینده در سیستم استفاده نمود. در این جا پس از مروری بر سیستم GIS و نیز داده کاوی و متدهای آن، به معرفی داده کاوی داده های فضایی- جغرافیایی (Geo-Spatial Data mining یا GSDM) می پردازیم و سپس برخی از روش های کاربردی و مفید داده کاوی را در مورد آن معرفی می نماییم. ادغام این دو تکنولوژی نسبتا نوین می تواند گامی مناسب در عرصه پژوهش و صنعت باشد.
تجمیع فناوری های داده کاوی و کشف دانش با تحلیل داده های فضایی و سیستم اطلاعات جغرافیایی GIS داده کاوی فضایی- جغرافیایی Keywords:
سیستم اطلاعات جغرافیایی (GIS)- داده کاوی (KM)- کشف دانش (KD)- داده های فضایی (SD) داده کاوی فضایی (SDM)- کشف دانش فضایی (SKD) دسته بندی (Classification)- قوانین انجمنی (association)- درخت تصمیم گیری (Decision tree)
تجمیع فناوری های داده کاوی و کشف دانش با تحلیل داده های فضایی و سیستم اطلاعات جغرافیایی GIS داده کاوی فضایی- جغرافیایی authors
سید نصیر الدین میر محمدی
دانشجوی کارشناسی ارشد دانشگاه شیراز- رشته مهندسی فناوری اطلاعات
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 :