برات مجردی

برات مجردی

مدرک تحصیلی: استادیار گروه نقشه برداری دانشگاه علم و صنعت ایران

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۴ مورد از کل ۴ مورد.
۱.

تعیین اراضی مستعد کشت دیم محصول گندم با ارائه مدل تصمیم گیری VIKOR بر بستر GIS، مطالعه موردی: استان فارس(مقاله علمی وزارت علوم)

کلید واژه ها: سیستم اطلاعات جغرافیایی آمایش سرزمین گندم تصمیم گیری چندمعیاره ویکور

حوزه های تخصصی:
تعداد بازدید : ۱۷۵ تعداد دانلود : ۱۴۰
از ابتدای پیدایش کره زمین تا کنون، انسان بیش از سایر موجودات در محیط زیست خود تأثیر گذاشته و آن را، مطابق با میل خود، تغییر داده است. با افزایش جمعیت، محدودیت های آب و خاک و تغییرات اقلیمی تأمین مواد غذایی را با مشکلات و مسائل جدی مواجه کرده است. در میان محصولات غذایی کشاورزی، گندم یکی از محصولات استراتژیک پرمصرف در ایران و بسیاری از کشورهای جهان است که در شرایط اقلیمی گرم وخشک، با بازدهی مناسب، کشت می شود. در ایران، حدود 10% تقاضای بخش کشاورزی کشور از استان فارس تأمین می شود. با توجه به اینکه استان فارس رتبه دوم تولید گندم را در بین استان های کشور دارد؛ این پژوهش قصد دارد تناسب اراضی این استان را، برای کشت گندم به روش دیم، ارزیابی کند. در گام نخست، داده های اقلیمی و خاک شناسی و توپوگرافی در محدوده جغرافیایی این استان بررسی و تحلیل می شود. سپس لایه های اطلاعاتی وارد نرم افزار سیستم اطلاعات جغرافیایی (GIS) می شود و نقشه اراضی مستعد کشت گندم، با استفاده از روش تحلیلی تصمیم گیری چندمعیاره ویکور (VIKOR) تعیین می شود. نتایج این پژوهش نشان داده است حدود 32% از مساحت استان فارس در رتبه اول و دوم تناسب اراضی برای کشت گندم قرار دارد. همچنین، مشخص شد که بیشتر مناطق مناسب در غرب و شمال غرب استان فارس پراکنده شده اند.
۲.

Assessment of Fuzzification Effect of AHP and TOPSIS in Site Selection of Roadside EMS Stations(مقاله پژوهشی وزارت بهداشت)

تعداد بازدید : ۳۱۰ تعداد دانلود : ۱۰۶
INTRODUCTION: In order to prevent and reduce the death and disability rates caused by road accidents, it is necessary to optimize the location of the roadside emergency medical service (EMS) stations. Optimal selection of the EMS stations is a multi-criteria decision-making (MCDM) problem and usually involves the analysis of a large number of possible options and evaluation criteria. Nowadays, various MCDM methods are used to solve location problems that may generate different results. The fuzzification of these methods has always been one of the controversial issues with many agreements and disagreements. METHODS: In this study, a review was first performed on the weighting methods including five non-fuzzy weighting methods as row sum, column sum, arithmetic mean, geometric mean, and eigenvalues as well as two fuzzy weighting methods including: “Liu and Chen method” and “Chang Method”. Then, the fuzzy and non-fuzzy MCDM methods [including analytic hierarchy process (AHP), fuzzy analytic hierarchy process (FAHP) Chang, FAHP Liu, Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS), and fuzzy TOPSIS (FTOPSIS)] were employed to locate the roadside EMS stations. Due to insufficient information and all the required layers in Iran, the information of the Interstate-65 (I-65) Highway between Montgomery and Birmingham, Alabama, USA was used in the present study. Finally, the results of these methods were compared using the mean-score, Borda, and Copeland prioritization strategies. FINDINGS: Given the importance and sensitivity of the issue, a combination of the MCDM methods was utilized to locate the EMS stations and the most appropriate non-fuzzy and fuzzy weighting methods were identified and the methods used were compared in terms of complexity, volume and time of computations, and the level of impact of the expert opinion. CONCLUSION: The AHP, FAHP Liu and Chen, FAHP Chang, and TOPSIS methods yielded more reliable results in locating the roadside EMS stations, in addition, using FTOPSIS fuzzy method was more risky and is not recommended. The non-fuzzy AHP method was identified to be the most reliable method in the present study.
۳.

استفاده از آنالیزهای مورفولوژی به منظور بهبود دقت طبقه بندی تصاویر ابر طیفی با حد تفکیک بالا(مقاله علمی وزارت علوم)

کلید واژه ها: آنالیز مورفولوژی ماشین بردار پشتیبان استخراج ویژگی طبقه بندی رأی گیری اکثریت

حوزه های تخصصی:
تعداد بازدید : ۵۴۷ تعداد دانلود : ۲۹۸
آنالیز موفولوژی، با تمرکز بر آنالیز روابط مکانی بین پیکسل های همسایه، پردازش تصویر کامل تری را در مقایسه با آنالیزهایی که بر پایة اثر طیفی یک پیکسل تنها هستند، به دست می دهد. روش پیشنهادی در این مقاله با استفادة هم زمان از اطلاعات طیفی و اطلاعات مکانی حاصل از آنالیز مورفولوژی نتایج نهایی طبقه بندی را در تصاویر ابر طیفی بهبود می بخشد. در این پژوهش ابتدا با استفاده از نمونه های آموزشی محدود، ویژگی های منتخب اولیه استخراج شدند و پس از اعمال آنالیزهای مورفولوژی روی هر یک از آنها، پروفایل های مورفولوژی تشکیل شدند و از ترکیب این پروفایل ها، پروفایل مورفولوژی گسترده تولید شد. سپس پروفایل مورفولوژی گسترده شده با ویژگی های منتخب اولیه ترکیب شد و مجدداً استخراج ویژگی نهایی صورت گرفت. ویژگی های منتخب نهایی با استفاده از طبقه بندی کنندة ماشین بردار پشتیبان طبقه بندی شدند. سپس پس پردازش تصویر نهایی با استفاده از فیلتر رأی گیری اکثریت انجام شد. این روش، روی دادة شهری و نیمه شهری از سنجندة ROSIS تست شد. دقت طبقه بندی نهایی از 86/98 و 70/82 درصد در روش های معمولی به 36/99 و 75/95 درصد در روش پیشنهادی به ترتیب در تصویر منطقة شهری و نیمه شهری افزایش یافته است. کلید واژه ها : آنالیز مورفولوژی، ماشین بردار پشتیبان، استخراج ویژگی، طبقه بندی، رأی گیری اکثریت.
۴.

بهبود روش استخراج ویژگی غیر پارامتریک وزن دار با استفاده از ترکیب خطی نمونه های آموزشی در تصاویر ابر طیفی(مقاله علمی وزارت علوم)

کلید واژه ها: طبقه بندی استخراج ویژگی غیرپارامتریک وزن دار (NWFE) ترکیب خطی کاهش ابعاد

حوزه های تخصصی:
تعداد بازدید : ۲۶۷۹ تعداد دانلود : ۱۲۰۵
در این تحقیق، روشی برای بهبود استخراج ویژگی غیرپارامتریک وزن دار ارائه شده است، که در مسائل تشخیص الگو در فضاهای با ابعاد بالا استفاده می گردد. روش استخراج ویژگی غیرپارامتریک وزن دار براساس بسط غیرپارامتریک ماتریس های پراکندگی قرار گرفته است، که پارامترهای میانگین آنها به طور جداگانه برای هر نمونه و با استفاده از مجموع وزن دار نمونه های سایر کلاس ها محاسبه می شوند. وزن هر یک از این نمونه ها براساس فاصله اقلیدسی آنها از نمونه اصلی (نمونه تحت بررسی) محاسبه می گردد. اما تنها با استفاده از پارامتر فاصله نمی توان پراکندگی نمونه ها را به طور کامل بیان کرد، و محل قرارگیری آنها نیز در بیان پراکندگی نمونه ها مؤثر است. بدین معنی که ممکن است دو نمونه که فواصل یکسانی از نمونه اصلی (نمونه تحت بررسی) دارند، وابستگی شان به آن نمونه یکسان نباشد. به عنوان مثال، ممکن است که یکی از آنها کاملاً به نمونه اصلی وابسته باشد و دیگری کاملاً مستقل از آن باشد. از سوی دیگر، این وابستگی ها با ترکیب خطی آنها مرتبط است. چرا که در حالت ایده آل انتظار می رود نمونه های یک کلاس، کاملاً ترکیبی خطی از یکدیگر باشند و نمونه های کلاس های متفاوت کاملاً مستقل از هم باشند. از این رو، ترکیب خطی بین نمونه ها در تعیین پراکندگی ها مؤثر خواهد بود. در پژوهش حاضر، با استفاده از پارامتر مهم ترکیب خطی، نتیجه روش استخراج ویژگی غیرپارامتریک وزن دار بهبود یافته است. نتایج نشان می دهند که روش ارائه شده در اکثر کلاس ها و به ویژه در کلاس های بحرانی که تشابه طیفیِ بالایی نسبت به هم دارند، بهتر از روش استخراج ویژگی غیرپارامتریک وزن دار عمل کرده است. بهترین نتیجه به دست آمده دارای دقت کلی بیش از 82 درصد با ضریب کاپایی بهتر از 80 درصد بوده است.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان