بررسی روشهای درخت تصمیم و بیزین در حوزه ترکیب اطلاعات جهت کاهش ابهام در مسأله شناسایی اهداف دریایی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 603

فایل این مقاله در 23 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:

ECDS04_055

تاریخ نمایه سازی: 8 آبان 1395

چکیده مقاله:

در محیط های پیچیده، فرایند تصمیم گیری صحیح و به موقع جهت شناسایی اهداف متحرک، یک ضرورت اساسی است.همچنین به دلیل دخالت گروه های مختلف تصمیم گیر و تعدد سیستم های جمع آوری اطلاعات با ابهاماتی مواجه می شویم. دراین شرایط استفاده از سیستم های پشتیبانی تصمیم برای کمک به فرماندهان و نیروها یک الزام است. یکی از عوامل مهم درپیچیده شدن محیط، حجم زیاد اطلاعات و عدم قطعیت حسگر ها می باشد. روش های ترکیب اطلاعات از جمله ارکان یکسیستم پشتیبان تصمیم می باشد که باعث کاهش اطلاعات اضافی و درک فرآیندهای فیزیکی پیچیده می شود. برای پیشگیری از خطا در تصمیم سازی و پرداخت هزینه های گزاف آن، نیاز به استفاده از روش های قوی در این زمینه می باشد. درمحیط های نظامی، ادغام مجموعه اطلاعات توام با نویز و عدم قطعیت حسگر و کسب بهترین تصمیم، از جمله مهمترینکاربردهاست. در سیستم های C4I برای بهبود راندمان، تلفیق تکنولوژی ترکیب اطلاعات چندین حسگر مختلف با سایرتجهیزات نظامی، از ضروریات است تا بدین وسیله زمان کافی برای مقابله با تهدیدها تضمین شود. در مقاله حاضر، دو روشداده کاوی شامل درخت تصمیم و بیزین برای انجام عملیات شناسایی نوع کشتی های نظامی از غیرنظامی به کار رفته است. اینروش ها در بهبود آگاهی وضعیتی، کاهش میزان ابهام اطلاعات و تصمیم سازی در سیستم ترکیب داده، نقش موثری ایفامی کنند. در این مقاله میزان موفقیت این دو روش به همراه مزایا و معایب هر کدام در کمک به کاهش میزان ابهام اطلاعاتبررسی شده است. نتایج بیانگر آن است که تشخیص و کارایی خروجی با ترکیب اطلاعات، بهترین راندمان طبقه کننده هایقبل از عمل ترکیب است.

نویسندگان

کیانوش شوشیان

دانشجوی دکتری، دانشگاه جامع امام حسین (ع)

مهدی دهقانی

عضو هیات علمی، دانشگاه جامع امام حسین (ع)

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 :
  • Zhang, Y, Ji, Qiang and Carl G. Looney , Active ...
  • _ _ Sharing the Secrets: Open Source Intelligenc and the ...
  • Xiong, N, Svensson, P.Multisensor Managem ent for Information Fusion: Issues ...
  • Walts, E. L, and D.M. Buede, "Data Fusion and Decision ...
  • unmanned autonomous vehicle", PHD Dissertation, University of Florida, USA (2007) ...
  • IEEE transactions on knowledge discovery and data engineering" Vol. 1 ...
  • Sentz, K., Ferson, S, Combination of Evidence in D empster-Shafer ...
  • of Uncertainty in Measurement, 2008. JCGM 1 0 0 : ...
  • 9] The University of Waikato. WEKA 3: Data Mining Software ...
  • نمایش کامل مراجع