پیش بینی و بررسی ضرایب در رگرسیون خطی در سیستم های ردیابی مجهز به سیستم موقعیت یاب جهانی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 386

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

MGCONF01_145

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

در طول ده های گذشته حجم زیاد از داده ها در پایگاه داده ها انباشته و ذخیره شده اند. در واقع دنیای امروز دراطلاعات غرق شده اند، در حالیکه تشنه دانش هستند. هر چه حجم داده ها بیشتر و روابط بین آنها پیچیده تر باشد،دسترسی به اطلاعات نهفته در داده ها مشکل تر شده است و نقش داده کاوی به عنوان یکی از روشهای کشفدانش، روشنتر می شود. داده کاوی یکی از مهمترین روشهایی است که به وسیله آن الگوهای مفید در داده ها باحداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساسآنها تصمیمات مهم و حیاتی (مدیران) در امور گرفته شود. از داده کاوی می توان در ردیابی با استفاده از سیستمموقعیت یاب جهانی که یک سیستم راهبری و مسیریابی ماهوارهای می باشد، استفاده کرد. با استفاده از اینسیستم ها، کنترل کامل وسایل نقلیه امکان پذیر گشته و امکان اعمال روشهای مدیریتی صحیح، برنامه ریزی دقیقو تدابیر امنیتی با ضریب بالا مقدور می باشد. ما در این مقاله ویژگی هایی که برای میزان استفاده از خودرو شخصییا اتوبوس را استخراج کردیم و از بین آنها ویژگی های سرعت، شرایط هوایی و حجم ترافیک مهمتر بودند. هدف ازرگرسیون در پیش بینی رسیدن به حداقل میزان خطا میباشد و ما با استفاده از انواع ضرایب میزان کمترین SSEرا پیدا کردیم و با استفاده از تکنیک شبکه عصبی چند لایه توانستیم میزان کمترین مربعات خطا که برابر 1.35است را تخمین بزنیم.

کلیدواژه ها:

داده کاوی ، سیستم موقعیت یاب جهانی ، رگرسیون ، شبکه عصبی

نویسندگان

زهرا میثاقیان

دانشجوی کارشناسی ارشد دانشگاه غیرانتفاعی شفق تنکابن

عباس برزگری نژاد

استادیار موسسه آموزش عالی شفق تنکابن

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 :
  • TAN Pang Ning, Steinbach Michael, Kumar.Vipin, 2006, «Introduction to Data ...
  • Chen Meng, Yu Xiaohui, Liu Yang, 2015, *Mining moving patterns ...
  • Yang Qiuyuan, Wang Jinzhong, Song Ximeng, 2015, ،'Urban Traffic Congestion ...
  • Guo Danhuai, *Mining Traffic Condition from Trajectories?, Fifth International Conference ...
  • Mahrsi Mohamed K.EL, 2016, Guigoures Romain, Rossiand Fabrice, Boulle Marc, ...
  • A. Shaw Arthur, N. P. Gopalan, 2014, *Finding frequent trajectories ...
  • Masciari Elio, 2010, *Lifting Trajectories for Effective Clustering, IEEE, 22nd ...
  • Masciari Elio, 2011, *Trajectory Outlier Detection Using An Analytical Approach?, ...
  • Chen Ling, Lv Mingqi, Chen Gencai, 2010, ،A system for ...
  • Necula Emilian, 2015, *Analyzing traffic patterns on street segments based ...
  • Deepak S. Gaikwad, Usha A. Jogalekar, 2013, *Classifying Trajectories on ...
  • Deepak S. Gaikwad, Usha A. Jogalekar, 2014, ، Artificial Neural ...
  • Swetha, V, A.Latha, 2013, *classifying trajectories _ road networks?, Global ...
  • Y. Zheng, L.Zhang, X.Xie, W. Ma, 2009, *Mining interesting locations ...
  • Jae-Gil Lee, Jiawei Han, Fellow, Xiaolei Li, and Hong Cheng, ...
  • H. Cao, N. Mamoulis, D. W. Cheung, 2007. *Discovery of ...
  • H. Cheng, X. Yan, J. Han, and P.S. Yu, 2008. ...
  • Songhua Xing, Xuan Liu, Qing He, Arun Hampapur, *Mining Trajectories ...
  • N. Pelekis, I. Kopanakis, E. Kotsifakos, E. Frentzos, Y. Theodoridis, ...
  • Giting. R.H, Bohlen. M.H, Erwig.M, Jensen. C.S, Lorentzos. N.A, Schneider. ...
  • Helai. H, Kalantary. S.M. A.2003. *Compre hensive Study on LBS ...
  • Lee, S.; Ryu, J. H.; Lee, M. J. & Won, ...
  • Caniani, D.; Pascale, S.; Sdao, F. & Sole, A. 2008.، ...
  • نمایش کامل مراجع