دسته بندی داده های سیستم های ردیابی مجهز به سیستم موقعیت یاب جهانی مبتنی بر داده کاوی با استفاده از تکنیک درخت تصمیم

در طول ده های گذشته حجم زیاد از داده ها در پایگاه داده ها انباشته و ذخیره شده اند. در واقع دنیای امروز در اطلاعات غرق شده اند، در حالیکه تشنه دانش هستند. هر چه حجم داده ها بیشتر و روابط بین آنها پیچیده تر باشد، دسترسی به اطلاعات نهفته در داده ها مشکل تر شده است و نقش داده کاوی به عنوان یکی از روش های کشف دانش، روشن تر می شود. داده کاوی یکی از مهمترین روش هایی است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی (مدیران) در امور گرفته شود. از داده کاوی می توان در ردیابی با استفاده از سیستم موقعیت یاب جهانی که یک سیستم راهبری و مسیریابی ماهواره ای می باشد، استفاده کرد. با رشد و گسترش روز افزون شهرها و افزایش تعداد وسایل نقلیه کاربردهای بسیاری داشته و از جمله این کاربردها در ردیابی اشیاء متحرک می باشد. هواپیما، اتوبوس و ماشین نمونه هایی از اشیاء متحرکی هسنند که مردم در زندگی روزمره شان با آن سروکار دارند. با استفاده از این سیستم ها، کنترل کامل وسایل نقلیه امکان پذیر گشته و امکان اعمال روش های مدیریتی صحیح، برنامه ریزی دقیق و تدابیر امنیتی با ضریب بالا مقدور می باشد. در این مقاله از تکنیک درخت تصمیم برای دسته بندی داده های ردیابی استفاده شده است که نتایج با دو روش دیگر در دسته بندی به نام های شبکه عصبی پرسپترون چند لایه و ماشین بردار پشتیبان مقایسه می شود. مجموعه داده بررسی شده دارای 14 ویژگی می باشد.

دسته بندی داده های سیستم های ردیابی مجهز به سیستم موقعیت یاب جهانی مبتنی بر داده کاوی با استفاده از تکنیک درخت تصمیم Keywords:

داده کاوی , سیستم موقعیت یاب جهانی , دسته بندی , درخت تصمیم , شبکه عصبی پرسپترون چند لایه , ماشین بردار پشتیبان