بررسی کاربرد نگاشت‌های خودسازمانده در خوشه‌بندی داده‌های آبراهه‌ای و مقایسه آن با دندروگرام اکتشافی داده‌های ترکیبی

Autor: حمید معینی, فرهاد محمد تراب, مجید کیخای حسین پور
Jazyk: English<br />Persian
Rok vydání: 2015
Předmět:
Zdroj: نشریه مهندسی معدن, Vol 10, Iss 27, Pp 95-107 (2015)
Druh dokumentu: article
ISSN: 1735-7616
2676-4482
Popis: روش نگاشت خودسازمانده (SOM)یکی از روش‌های خوشه‌بندی است که می‌تواند بدون نظارت و با کمک شبکه عصبی، فضاهای چندبعدی و پیچیده داده‌ها را به یک فضای دوبعدی تبدیل کند. به دلیل بسته بودن و خاصیت ترکیبی ذاتی داده‌های ژئوشیمیایی،قبل از هر تحلیلی بایستی با تبدیل‌های خاصی باز شوند. یکی از مهم‌ترین تبدیل‌هایی که امروزه روی این نوع داده‌ها برای بازکردن آن‌ها انجام می‌شود، خانواده تبدیل‌های نسبت لگاریتمی است که در دو دهه اخیر توسط دانشمندان علوم آمار ارائه شده است. در حال حاضر روش‌های تحلیل آماری و داده‌کاوی خاص این نوع داده‌ها مثل استاندارد سازی، آمار توصیفی، کاهش بعد، خوشه‌بندی، رگرسیون، زمین‌آمار و غیره از جنبه‌های مختلف در دنیا در حال بررسی است. در این پژوهش ضمن معرفی روش SOM به‌عنوان یکی از مهم‌ترین روش‌های خوشه‌بندی مبتنی بر هوش مصنوعی، کاربرد آن در تحلیل داده های ژئوشیمیایی بررسی شده است. به‌عنوان مطالعه موردی، داده‌های ژئوشیمیایی رسوبات آبراهه‌ای برگه 1:100,000 خوسفکه خاصیت بسته یا ترکیبی دارند، نخست با کمک تبدیل نسبت لگاریتمی مرکزی یا clr، باز شده و دندروگرام خوشه‌بندی مربوطه ترسیم شد. در مرحله بعد داده‌ها یکبار به‌صورت بازشده و بار دیگر به‌صورت خام ولی استاندارد شده با روشهای ترکیبی به شبکه SOM وارد شده و خروجی آن هربار به‌صورت نگاشتهای صفحات وزنی نورونها برای هر متغیر ترسیم شد. الگوی توزیع وزنی در نگاشت‌های بیان‌شده برای متغیرهایی که در یک خوشه قرار می‌گیرند، بسیار به هم شبیه است. مقایسه نتایج به کارگیری این روش با نتایج دندروگرام به‌دست آمده، نشان‌دهنده انطباق قابل قبول این دو روش درصورت استفاده از داده‌های خام استاندارد شده دارد. نقطه ضعف این روش این است که تشخیص الگوهای مشابه در خروجی به عهده ناظر است و اگر تعداد متغیرها زیاد باشد نمی‌توان تمام الگوهای مشابه را به راحتی تشخیص داد.
Databáze: Directory of Open Access Journals