مقاله شکل گیری حومه شهر با استفاده از سنسورهای جمعیتShaping City Neighborhoods Leveraging Crowd Sensors
0 (0)

0دیدگاه کاربران

در انبار موجود نمی باشد

مقاله شکل گیری حومه شهر با استفاده از سنسورهای جمعیتShaping City Neighborhoods Leveraging Crowd Sensors

0 (0)

0دیدگاه کاربران

15,000 تومان

ژورنال

ELSEVIER

سال انتشار

2016

صفحات انگلیسی

10 تا 20

صفحات فارسی

20 تا 30

15,000 تومان

نقد و بررسی

مقاله شکل گیری حومه شهر با استفاده از سنسورهای جمعیت

چکیده فارسی :

 شبکه های اجتماعی مکان مبنا مقدار وسیعی از داده­های مرتبط با مکان کاربرانشان را کسب نموده­اند. این موضوع تبدیل به یک پدیده اجتماعی شده است که ابزار ارتباطاتی نرمال را تغییر داده و نگرش­های پژوهشی جدیدی در مورد چگونگی محاسبه مدلهای توصیفی جدا از این مجموعه داده­های فضایی – زمینی را مطرح می­کند. در این مقاله ما یک روش شناختی برای خوشه بندی اطلاعات مکان مبنا به منظور اشاره­ای گذرا بر خلاصه وضعیت مناطق جغرافیایی را مطرح نمودیم. خلاصه وضعیت ، ترکیبی از انگشت نگاره ها می­باشد که هر یک خوشه­ای است که توسط الگوریتم  خوشه بندی زیر فضا به نام GEOSUBCLU ایجاد می­گردد که در این مقاله مطرح شده است.الگوریتم، بدون پارامتر می­باشدو به شکل خود کار مناطقی با تراکم همگن از نقاط مورد نظر مشابه را تشخیص داده و خوشه هایی با مشخصه­های غنی بر حسب دسته های معرف را ارائه می­نماید ما اعتبار خوشه های ایجاد شده را با استفاده از ارزیابی کمّی و کیفی سنجدیم. در اولی، ما نتایج روش شناختی را فراتر از استاندارد طلایی موجود محک نمودیم و نتایج کسب شده را در مقابل دو مبنا مقایسه نمودیم. سپس ما خوشه­های ایجاد شده را با استفاده از آنالیز کمّی فراتر از استاندارد طلایی مشابه و حیطه جغرافیایی جدیدو با استفاده از معیارهای ارزیابی آماری بررسی نمودیم. نتایج آزمایش های کمّی و کیفی نشاندهنده نیرومندی روش ما در ایجاد خوشه های جغرافیایی می­باشد که از دیدگاه آماری برای بشر معنادار و مهم می­باشد. (حفظ معیار-f با %98-88 فراتر از استاندارد طلایی).

چکیده انگلیسی:

Location-based social networks (LBSN) are capturing large amount of data related to whereabouts of their users. This has become a social phenomenon, that is changing the normal communication means and it opens new research perspectives on how to compute descriptive models out of this collection of geo-spatial data. In this paper, we propose a methodology for clustering location-based information in order to provide first glance summaries of geographic areas. The summaries are a composition of fingerprints, each being a cluster, generated by a new subspace clustering algorithm, named GeoSubClu, that is proposed in this paper. The algorithm is parameter-less: it automatically recognizes areas with homogeneous density of similar points of interest and provides clusters with a rich characterization in terms of the representative categories. We measure the validity of the generated clusters using both a qualitative and a quantitative evaluation. In the former, we benchmark the results of our methodology over an existing gold standard, and we compare the achieved results against two baselines. We then further validate the generated clusters using a quantitative analysis, over the same gold standard and a new geographic extent, using statistical validation measures. Results of the qualitative and quantitative experiments show the robustness of our approach in creating geographic clusters which are significant both for humans (holding a F-measure of 88.98% over the gold standard) and from a statistical point of view.

ژورنال

ELSEVIER

سال انتشار

2016

صفحات انگلیسی

10 تا 20

صفحات فارسی

20 تا 30

دیدگاه خود را در باره این کالا بیان کنید افزودن دیدگاه

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

    هیچ پرسش و پاسخی ثبت نشده است.

پرسش خود را درباره این کالا بیان کنید

ثبت پرسش
انصراف ثبت پرسش
دانشگاه یار

عضویت از 10 ماه قبل

شماره تماس: 09120723889

امتیازی ثبت نشده
https://daneshgahyar.com/shop/mobina-khaleghi/

محصولات مرتبط