تم إضافة تقرير جديد 2024
ارسل ملاحظاتك

ارسل ملاحظاتك لنا









الرئيسية > بحث>مقارنة أسلوب التحليل التمييزي...>الوصف

مقارنة أسلوب التحليل التمييزي الضبابي اللبي المكاني مع التحليل التمييزي اللبي المكاني باستعمال المحاكاة

العنوان بلغة أخرى: Comparing the Method of Spatial Kernel Fuzzy Discriminant Analysis with Spatial Kernel Discriminant Analysis Using Simulation
المصدر: مجلة الغري للعلوم الاقتصادية والإدارية
الناشر: جامعة الكوفة - كلية الإدارة والاقتصاد
المؤلف الرئيسي: سعيد، شروق عبدالرضا (مؤلف)
مؤلفين آخرين: جاسم، سكينة شامل (م. مشارك)
المجلد/العدد: مج19, ع4
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2023
الصفحات: 643 - 663
ISSN: 1994-0947
رقم MD: 1469525
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
الأساليب الإحصائية | التعلم الآلي | التحليل التمييزي | المواقع المكانية
كلمات المؤلف المفتاحية:
الارتباط المكاني | التحليل الضبابي | البيانات المكانية | التحليل اللبي | دقة التصنيف | Spatial Correlation | Fuzzy Analysis | Spatial Data | Kernel Analysis | Classification Accuracy
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

1

حفظ في:
المستخلص: تعتمد معظم الأساليب الإحصائية ومنها أسلوب التعلم الآلي (Machine Learning) على افتراض أن عينات البيانات المستعملة في التحليل مستقلة ومتماثلة التوزيع والتي يطلق عليها مصطلح ((Identically Independent distributed (iid) لكن هذا الافتراض حول استقلالية المشاهدات لا يتفق مع البيانات المكانية (Spatial Data) وهذه الحالات تحدث في الكثير من المجالات العلمية مثل علم البيئة وتحليل الصور وعلم الأوبئة والدراسات الطبية.. الخ) لأنها سوف تفشل في تحديد الارتباط الذاتي المكاني (Spatial Autoregressive). أن أسلوب التحليل التمييزي الضبابي اللبي المكاني (Spatial Kernel Fuzzy Discriminant Analysis (SKFDA))) يأخذ بالاعتبار الاعتمادية المكانية للبيانات من خلال تحديد عدم الدقة في تعيين مصفوفة الانتشار بين الأصناف وداخل الأصناف باستعمال مبدأ المجموعات الضبابية ومقارنة هذا الأسلوب مع أسلوب التحليل التمييزي اللبي المكاني عن طريق مقياسيي الدقة الكلية (Overall Accuracy OA) ومتوسط دقة التصنف (Average Accuracy AA) إذ تم اختيار ثلاثة أحجام للعينات داخل كل صنف وهي (50، 200، 1000) وذلك لمقارنة أداء الأساليب عند حجم العينات الصغيرة والمتوسطة والكبيرة وتحديد عدد الفئات إذ تم تحديد فئتين لغرض تطبيق أساليب التحليل التمييزي باختيار اثنين من النسب لعينات التدريب وهي (0.30، 0.8) وتم اختيار عرض حزمة للمشاهدات (hv = 700) وأربع قيم لعرض الحزمة المكاني بشكل عشوائي هي (hs = 1, 3, 6, 10) واختيار دالة لبية كاوسية في هاتيين الأساليب.

Most statistical methods, including machine learning method, rely on the assumption that the data samples used in the analysis are independent and uniformly distributed, which is called the term (Identically Independent Distributed (iid)). However, this assumption about the independence of observations is not consistent with spatial data. Cases occur in many scientific fields such as ecology, image analysis, epidemiology, medical studies, etc. because they will fail to determine spatial autoregressive correlation. The Spatial Kernel Fuzzy Discriminant Analysis (SKFDA) method It takes into account the spatial reliability of the data by determining the inaccuracy in assigning the diffusion matrix between classes and within classes using the principle of fuzzy sets and comparing this method with the method of spatial core discriminant analysis through two measures of overall accuracy (Overall Accuracy OA) and average classification accuracy (Average Accuracy AA). By choosing three sample sizes within each category, which are (50, 200, 1000), and determining the number of categories, as two categories were identified for the purpose of applying discriminant analysis methods, by choosing two ratios for the training samples, which are (0.30, 0.8), and a bandwidth was chosen for the observations (hv = 700).) and randomly select four spatial bandwidth values (hs=1, 3, 6, 10) and choose a Gaussian core function in these two methods.
ISSN: 1994-0947

عناصر مشابهة


© 2025 المنظومة. جميع الحقوق محفوظة.