مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

56
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

499
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

شناسایی کاربری اراضی شهری از طریق محتوای کاربرتولید و با بهره گیری از روش طبقه بندی یادگیری عمیق

صفحات

 صفحه شروع 43 | صفحه پایان 61

چکیده

 نقشه بروز کاربری زمین, ازجمله اطلاعات لازم جهت سیاست گذاری و مدیریت شهری است, درحالیکه روش سنتی تولید و به روزرسانی اطلاعات مکانی توسط سازمان های تولید نقشه, نیازمند صرف زمان و هزینه زیاد است. ایجاد فناوری هایی نظیر گوشی های هوشمند, تعیین موقعیت آنی و توسعه شبکه های اجتماعی, باعث تولید انبوه داده های کاربر تولید مکانی شده است. هدف این مطالعه شناسایی کاربری زمین با استفاده از اطلاعات کاربر تولید است. در این پژوهش کاربری های شهری در شش طبقه مسکونی, تجاری و خرید, اداری و خدماتی, مختلط, تجمع و تفریحی و دیگر کاربری ها در نظر گرفته شده و از اطلاعات شبکه اجتماعی توییتر به عنوان محتوای کاربر تولید استفاده شده است. روش مورداستفاده جهت طبقه بندی اطلاعات کاربر تولید, طبقه بندی با استفاده از یادگیری عمیق و شبکه مورداستفاده, از نوع شبکه بازگشتی است. با توجه به عدم توازن موجود در اطلاعات, جهت رفع آن از الگوریتم ماشین بردار پشتیبان استفاده شد. ارزیابی نتایج نشان دهنده این است که با استفاده از روش ارائه شده, کاربری های شهری با دقت کلی 64 درصد طبقه بندی شده اند. در بین طبقات شهری, کاربری مسکونی با دقت 77 درصد بهترین دقت را دارد. همچنین سطح زیر نمودار منحنی مشخصه عملکرد برابر 0/88 با است که نشان دهنده قابلیت اطمینان مناسب طبقه بندی است. در مقایسه نتایج حاصل از روش الگوریتم ماشین بردار پشتیبان برای رفع عدم توازن داده با روش بیش نمونه برداری تصادفی, مشاهده شد که استفاده از روش ماشین بردار پشتیبان, باعث ایجاد بهبود دقت می شود.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    گلی پور، علی، طالعی، محمد، آل شیخ، علی اصغر، و جوادی، قاسم. (1400). شناسایی کاربری اراضی شهری از طریق محتوای کاربرتولید و با بهره گیری از روش طبقه بندی یادگیری عمیق. مهندسی فناوری اطلاعات مکانی، 9(4 )، 43-61. SID. https://sid.ir/paper/1051341/fa

    Vancouver: کپی

    گلی پور علی، طالعی محمد، آل شیخ علی اصغر، جوادی قاسم. شناسایی کاربری اراضی شهری از طریق محتوای کاربرتولید و با بهره گیری از روش طبقه بندی یادگیری عمیق. مهندسی فناوری اطلاعات مکانی[Internet]. 1400؛9(4 ):43-61. Available from: https://sid.ir/paper/1051341/fa

    IEEE: کپی

    علی گلی پور، محمد طالعی، علی اصغر آل شیخ، و قاسم جوادی، “شناسایی کاربری اراضی شهری از طریق محتوای کاربرتولید و با بهره گیری از روش طبقه بندی یادگیری عمیق،” مهندسی فناوری اطلاعات مکانی، vol. 9، no. 4 ، pp. 43–61، 1400، [Online]. Available: https://sid.ir/paper/1051341/fa

    مقالات مرتبط نشریه ای

  • ثبت نشده است.
  • مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button