قوانین جدید برای توقف طبقهبندی در دارنگاره TWINSPAN
نویسندگان
چکیده مقاله:
هدف از پژوهش حاضر، ارایه یک الگوریتم اصلاحشده از TWINSPAN و معرفی توابع جدید برای توقف طبقهبندی در دارنگاره TWINSPAN است. TWINSPAN اصلاحشده، با تلفیق آنالیز ناهمگنی خوشهها پیش از هر تقسیم، ضمن این که از تفکیک تحمیلی خوشههای همگن جلوگیری میکند، بلکه با اجرای فرآیند طبقهبندی به صورت گام به گام، محدودیت روش TWINSPAN معمولی مبنی بر این که تعداد خوشهها در سطوح بعدی باید دو برابر سطح قبلی باشد را نیز برطرف میسازد. برای این منظور، طبقهبندی اکولوژیک جنگلهای شمشاد فریم بر اساس مقادیر درصد تاجپوشش ترکیب گیاهی تعداد 60 قطعه نمونه 400 متر مربعی که به روش رولوه (انتخابی) برداشت شدند، با استفاده از دو روش TWINSPAN معمولی و اصلاحشده انجام شد. در این ارتباط، پنج روش آنالیز ناهمگنی شامل تنوع بتا ویتاکر و واریانس کل به همراه شاخصهای فاصلهای عدم تشابه سورنسون، جاکارد و اورلوسی استفاده شد. همچنین، طبقهبندی خوشهای رویشگاه بر مبنای ویژگیهای توپوگرافیک رویشگاه و با استفاده از ضریب فاصله اقلیدوسی و روش خوشهبندی واردز انجام شد. نتایج حاصل از دو سری از شاخصهای ناهمگنی با یکدیگر متفاوت بود و در این ارتباط، نتایج دو شاخص تنوع بتا ویتاکر با واریانس کل و نتایج سه شاخص عدم تشابه سورنسون، جاکارد و اورلوسی که به ترتیب به عنوان شاخصهای تنوع و فاصلهای ناهمگنی به شمار میروند، مشابه هستند. به طور کلی، نتایج تحقیق حاضر تصریح میکند که روش TWINSPAN اصلاحشده به تغییر منطق طبقهبندی TWINSPAN منجر نشده است، بلکه با تغییر در سلسله مراتب تقسیمها در فرآیند طبقهبندی به افزایش انعطافپذیری روش TWINSPAN در تعیین گروههای اکولوژیک جنگلهای شمشاد فریم منجر میشود.
منابع مشابه
قوانین جدید برای توقف طبقه بندی در دارنگاره twinspan
هدف از پژوهش حاضر، ارایه یک الگوریتم اصلاح شده از twinspan و معرفی توابع جدید برای توقف طبقه بندی در دارنگاره twinspan است. twinspan اصلاح شده، با تلفیق آنالیز ناهمگنی خوشه ها پیش از هر تقسیم، ضمن این که از تفکیک تحمیلی خوشه های همگن جلوگیری می کند، بلکه با اجرای فرآیند طبقه بندی به صورت گام به گام، محدودیت روش twinspan معمولی مبنی بر این که تعداد خوشه ها در سطوح بعدی باید دو برابر سطح قبلی باش...
متن کاملارائهروش جدید مبتنیبر برنامهنویسی ژنتیک برای وزندهی قوانین فازی در طبقهبندی نامتوازن
In classification problems, we often encounter datasets with different percentage of patterns (i.e. classes with a high pattern percentage and classes with a low pattern percentage). These problems are called “classification Problems with imbalanced data-sets”. Fuzzy rule based classification systems are the most popular fuzzy modeling systems used in pattern classification problems. Rule weights...
متن کاملمعرفی مدل مجموع ارزش گونه شاخص (TIVM) در طبقهبندی گروههای اکولوژیک
در تحقیق حاضر نخست طبقهبندی اکولوژیکی جنگلهای صلاحالدینکلا با بهرهگیری از روش TWINSPAN معمولی و اصلاح شده انجام شد و سپس با استفاده از مدل مجموع ارزش معرف یا TIVM و با تعیین جامعهپذیری قطعات نمونه به هر یک از گروهها، صحت دارنگاره طبقهبندی دو روش TWINSPAN معمولی و اصلاح شده ارزیابی شد. نتایج نشان داد میزان انطباق نتایج دو روش TWINSPAN معمولی و اصلاح شده به دلیل تفاوت در الگوی طبقهبندی 4...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 7 شماره 25
صفحات 53- 68
تاریخ انتشار 2015-12-22
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023