Positioning Using Classification and Regression: Case study of Oman Sea
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 273
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJCOE-4-3_004
تاریخ نمایه سازی: 21 فروردین 1400
چکیده مقاله:
In the past few years, the location prediction played a critical role in many applications like intelligent self-learning vehicle, ocean location prediction because of the security and speed issues of GPSs. In this study, we proposed a model for location prediction on Oman’s gulf using a NetCDF Data set. The proposed model is based on classification and regression which means it first mapped the data in a region on Oman’s Gulf using classification and then using regression models to predict a specific location. This progress effect both response time and error of the system. And to the best of our knowledge, no researches are using the same idea. We used multiple classification models for classification tasks (both ensemble models and simple models) and two regression models (linear and XGboost regressor). The result shows reduce of man square error after using classification for regression task. Also, the result and explanation of the data capturing model are provided in the paper.
کلیدواژه ها:
نویسندگان
Ali Ghorbani
Department of Computer Science, Shiraz University
Mohammad Reza Khalilabadi
Faculty of Naval Aviation, Malek Ashtar University of Technology
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :