تعیین قابلیت داده‏های سنجندة aster و روش‏های درخت طبقه‏بندی و رگرسیونی و جنگل تصادفی در تهیة نقشة تیپ جنگل

اسناد مشابه

• تعیین عوامل موثر بر شدت پره اکلامپسی، کاربرد روش درخت طبقه بندی و رگرسیون

  مقالهمجله علمی دانشگاه علوم پزشکی گرگاندکتر عباسعلی کشتکار، aa.keshtkar (phd) department of social medicine gorgan university of medical sciencesگرگان، ابتدای جاده شصتکلا دانشگاه علوم پزشکی گرگان، معاونت پژوهشی تلفن : 4421660-0171 دکتر سیدرضا مجدزاده، sr.majdzade (phd) دکتر کاظم محمد، k.mohammad (phd) دکتر فاطمه رمضان زاده

  زمینه و هدف: شناسایی و پیش بینی موارد پره اکلامپسی شدید با توجه به وخامت پی آمدهای مادری و نوزادی اهمیت زیادی دارد. در این مطالعه نقش برخی عوامل زمینه ای و مراقبتی همراه با پره اکلامپسی شدید با استفاده از مدل طبقه بندی درختی و رگرسیونی مورد ارزیابی قرار گرفت.روش بررسی: این مطالعه

• تعیین عوامل موثر بر شدت پره اکلامپسی، کاربرد روش درخت طبقه بندی و رگرسیون

  مقاله۲۰۰۶مجله علمی دانشگاه علوم پزشکی گرگانعباسعلی کشتکار، سیدرضا مجدزاده، کاظم محمد، فاطمه رمضان زاده

  Background & Objective: Despite advances in medical sciences, preeclampsia and eclampsia are still among chief causes of maternal mortality worldwide. In this study, we used classification and regression trees to investigate the role of certain inherent and maternity care factors

• تعیین قابلیت داده‏های سنجندة ASTER و روش‏های درخت طبقه‏بندی و رگرسیونی و جنگل تصادفی در تهیة نقشة تیپ جنگل

  مقاله۲۰۱۵جنگل و فرآورده های چوباصغر فلاح، امید کرمی، سیاوش کلبی، شعبان شتایی

  شناسایی واحد‏های همگن و تفکیک آن‏ها و نهایتاً برنامه‏ریزی برای هر واحد، اصولی‏ترین راه برای مدیریت واحد‏های جنگلی محسوب می‏شود. هدف از این مطالعه، تهیة نقشة تیپ جنگل با استفاده از داده‏های سنجندة ASTER و نیز استفاده از دو الگوریتم درخت طبقه‏بندی و رگرسیونی و جنگل تصادفی در سری یک

• مقایسه روش‏های طبقه‏ بندی پیکسل‏ پایه، شئ‏ پایه و درخت تصمیم در تهیه نقشه تیپ‏ های جنگل با استفاده از داده‏ های سنجش از دور (مطالعه موردی: جنگل آستارا)

  مقالهتحقیقات کاربردی علوم جغرافیاییعباس علیمحمدی، علی اکبر متکان، پرویز ضیائیان، هومن طباطبایی

  نقشه‏ های قابل اعتماد از تیپ‏ جنگل ها نقش مهمی در اتخاذتصمیمات بهینه برای مدیریت اکوسیستم‏های جنگلی در نواحی وسیع ایفا می‏ کنند. در سال های اخیر تهیه این نقشه‏ ها از طریق طبقه‏ بندی رقومی داده‏های سنجش از دور به عنوان جایگزینی مناسب موردتوجه قرار گرفته است. نتایج حاصله در این زمی

• بررسی سودمندی طبقه بندی کنندۀ جنگل های تصادفی و روش انتخاب متغیر ریلیف در پیش بینی بحران مالی: مطالعۀ شرکت های پذیرفته شده در بورس اوراق بهادار تهران

  مقالهپژوهش های حسابداری مالیمحمد حسین ستایش، دانشگاه شیراز مصطفی کاظم نژاد، دانشگاه شیراز محمد حلاج، شیراز- بلوار پاسداران- خیابان کمیل- بعد از کوچه 8- منزل ششم

  پژوهش حاضر به پیش بینی بحران مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از طبقه بندی کنندۀ غیرخطی جنگل های تصادفی می پردازد. در این راستا، پس از بررسی متون پژوهش و شناسایی 69 متغیر پیش بین اولیه، از روش انتخاب متغیر ریلیف برای شناسایی متغیرهای پیش بین بهینه ا

• تخمین بعد ذاتی و کاهش ابعاد داده های فراطیفی به منظور طبقه بندی با استفاده از روش های درخت تصمیم، ماشین بردار پشتیبان و شبکه عصبی

  مقاله۲۰۱۸مهندسی نقشه برداری و اطلاعات مکانیآخوندزاده هنزائی, مهدی، صالحیان, سونا، نیک آئین, تینا، کنعانی سادات, یوسف

  طبقه­ بندی تصاویر فراطیفی، به دلیل کاربردهای برجسته این تصاویر در حوزه­ های مختلف مانند نظامی، مدیریت و برنامه­ ریزی شهری، مدیریت منابع و کشف معادن، یکی‌ از مسائل بسیار مهم در پردازش تصاویر فرا­طیفی به شمار می‌‌آید. تصاویر فراطیفی به دلیل دارا بودن توان تفکیک طیفی بالا، اطلاعات ق