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:

8
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

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

استناد:

اطلاعات مقاله نشریه

عنوان

تخمین مقادیر ناهنجاری مس-مولیبدن با استفاده از روش جدایش فواصل ماهالانوبیس و سه روش پرکاربرد داده کاوی؛ مطالعه موردی: ظفرقند

صفحات

 صفحه شروع 370 | صفحه پایان 389

چکیده

 این پژوهش به منظور کاهش خطا در راستای صرف هزینه و انرژی به بررسی ترکیب روش های داده کاوی و جدایش آنومالی پرداخته است. اهمیت تشخیص مقادیر آنومال از زمینه بر هیچ یک پوشیده نیست, به این منظور روش های متعددی ابداع گشته است که از آن جمله می توان به روش جدایش فواصل ماهالانوبیس اشاره کرد که روشی مؤثر و چند متغیره در جدایش مقادیر آنومال از زمینه محسوب می شود. در مطالعه حاضر, به بررسی عملکرد ترکیب روش جدایش فوق با سه روش داده کاوی -Kنزدیکترین همسایه, طبقه بند ساده بیز و شبکه عصبی کانولوشن پرداخته می شود, به این ترتیب که پس از جدایش مقادیر آنومال مس و مولیبدن در مورد 177 نمونه حاصله از عملیات نمونه برداری سطحی در محدوده ظفرقند به کمک روش فواصل ماهالانوبیس, به منظور پیش بینی این مقادیر برای هر نمونه تصادفی, سه روش داده کاوی مذکور, مورد استفاده قرار گرفت. نتایج نشان می دهد که روش -K نزدیکترین همسایگی به مراتب قوی تر بوده, زیرا در شبکه طراحی شده توسط این روش, هیچ نمونه ای اشتباهاً شناسایی نشد که نشان دهنده دقت بالای شبکه طراحی شده است. لازم به ذکر است که تعداد نمونه های به اشتباه پیش بینی شده برای دو روش شبکه عصبی کانولوشن و بیز به ترتیب برابر با 2 و 3 عدد گزارش شده اند. با توجه به میزان خطای به مراتب قابل قبول تری برای شبکه طراحی شده توسط ترکیب روش -K نزدیکترین همسایگی و فواصل ماهالانوبیس, ترکیب مذکور به عنوان روشی قابل اطمینان و سودمند جهت رسیدن به صحیح ترین پیشگوئی ها به تصمیم گیران این صنعت معرفی شده است.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    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