داده های حاصل از کمی سازی تغییرات خط ساحلی در طی زمان، به عنوان مبنای بسیاری از برنامه های مدیریت یکپارچه منطق ساحلی به شمار می آیند. جهت حصول نتایج مطلوب از این داده ها، آنها باید نماینده واقعی مشاهدات بوده و غیر واقع یا اشتباه نباشند. عوامل متعددی ممکن است در داده های تغییرات خط ساحلی سبب بروز داده مشکوک به خطا شوند. در این تحقیق به معرفی داده های مشکوک به خطا، عوامل ایجاد آنها در داده های تغ...

استخراج مشخصات دریا معمولاً از طریق بویه های موج نگار انجام می شود. اما ثبت داده توسط موج نگارها معمولاً با خطاهایی همراه است. لذا قبل از استخراج هرگونه اطلاعاتی لازم است این خطاها را شناخت و آنها را حذف و یا تصحیح کرد. هدف از این تحقیق، شناسایی خطاهای موجود در برداشت داده-های خام از بویه های موج نگار، با استفاده از روش ضریب داده پرت محلی (lof) است. lof روشی قدرتمند جهت شناسایی ناهنجاری داده ها د...

افزایش روزافزون داده ها در پایگاه داده ها، نیاز به روش های بهینه برای آنالیز داده ها را افزایش داده است. بیشتر مطالعات، بر روی پیدا کردن الگوهای کاربردی در پایگاه داده ها متمرکز شده اند. این مطالعات برای کاربردهای تشخیص فعالیت مجرمین در تجارت الکترونیک، تشخیص اتفاقات نادر و تشخیص انحرافات نسبت به کاربردهای موارد دیگر بیشتر و مفیدتر واقع شده است. اخیرا مطالعاتی بر روی کشف داده های پرت در پایگاه ...

شناسایی نقاط پرت به عنوان نقاط مورد علاقه در بسیاری از زمینه های تحقیقاتی و نقاط تأثیرگذار بر روش های کلاسیک آماری از اهمیت بالایی برخوردار است. به ویژه در ابعاد بزرگ که حضور این نقاط شانس بیشتری دارند و تشخیص آن ها به کمک معیارهای ساده آماری امکان پذیر نیست. استفاده از روش های استوار به منظور ارائه نتایج واقعی از برآوردگرهای پارامتر مکان و مقیاس با تأثیر پذیری بسیار اندک نسبت به نقاط پرت در ا...

کارایی روش منشأیابی با ردیاب­‌ها یا انگشت­‌نگاری به‌­عنوان روشی موفق و مؤثر برای تعیین منابع رسوبات به اثبات رسیده است. اولین و مهم­ترین مرحله روش منشأیابی رسوب، انتخاب ترکیب مناسبی از ردیاب است که قادر به جداسازی منابع رسوب باشند .وجود داده­‌های پرت بر انتخاب ترکیب مناسبی از ردیاب­‌ها اثر گذاشته، ممکن است مانع انتخاب متغیرهای مهم (ردیاب­‌های مؤثر) شده و توان جداسازی یا درصد طبقه­‌بندی صحیح را ...

کشف داده پرت مرحله مهمی در پیش پردازش داده ها است و نتایج داده کاوی وابسته به انجام صحیح آن می باشد. در کشف داده پرت، داده هایی که با سایر داده ها تفاوت زیادی دارند و رفتار داده های معمولی را نشان نمی دهند، شناسایی شده و حذف می گردند. مراحل بعدی داده کاوی تنها بر روی داده های معمولی انجام می شوند. چنانچه داده های پرت حذف نشوند و همراه با داده های معمولی پردازش شوند، ممکن است مدل نا صحیحی ایجاد ...