ترجمه مقاله پیش بینی لینک توسط تجزیه ماتریس – نشریه اشپرینگر
مبلغ : 17800 تومان
سال انتشار : 2011
ترجمه مقاله یک روش جدید برای پیش بینی بارندگی با الگوریتم K-نزدیکترین همسایگی بهبود یافته – نشریه الزویر
قیمت خرید این کالا
15,800 تومان
| عنوان فارسی: | یک روش جدید برای پیش بینی بارندگی با استفاده از الگوریتم K-نزدیکترین همسایگی بهبود یافته |
| عنوان انگلیسی: | A novel approach for precipitation forecast via improved K-nearest neighbor algorithm |
| تعداد صفحات مقاله انگلیسی : 7 | تعداد صفحات ترجمه فارسی : 17 (شامل 1 صفحه رفرنس انگلیسی) |
| سال انتشار : 2017 | نشریه : الزویر - Elsevier |
| فرمت مقاله انگلیسی : PDF | فرمت ترجمه مقاله : ورد تایپ شده و pdf |
| نوع مقاله : ISI | نوع نگارش : مقالات پژوهشی (تحقیقاتی) |
| پایگاه : اسکوپوس | نوع ارائه مقاله : ژورنال |
| ایمپکت فاکتور(IF) مجله : 5.117 در سال 2018 | شاخص H_index مجله : 68 در سال 2019 |
| شاخص SJR مجله : 1.091 در سال 2018 | شناسه ISSN مجله : 1474-0346 |
| شاخص Q یا Quartile (چارک) : Q1 در سال 2018 | کد محصول : 10045 |
| محتوای فایل : zip | حجم فایل : 1.59Mb |
| رشته و گرایش های مرتبط با این مقاله: مهندسی کامپیوتر، هوش مصنوعی، مهندسی الگوریتم ها و محاسبات |
| مجله: انفورماتیک مهندسی پیشرفته - Advanced Engineering Informatics |
| دانشگاه: مرکز اطلاعات هواشناسی پکن ، چین |
| کلمات کلیدی: الگوریتم KNN، بهبود الگوریتم KNN، پیش بینی بارش، بارش |
| کلمات کلیدی انگلیسی: KNN algorithm - Improved KNN algorithm - Precipitation - Precipitation forecast |
| وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است ✓ |
| وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه شده است ✓ |
| وضعیت ترجمه منابع داخل متن: به صورت عدد درج شده است ✓ |
| وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است ✓ |
| بیس: است ✓ |
| مدل مفهومی: ندارد ☓ |
| پرسشنامه: ندارد ☓ |
| متغیر: دارد ✓ |
| رفرنس: دارای رفرنس در داخل متن و انتهای مقاله |
| رفرنس در ترجمه: در داخل متن و انتهای مقاله درج شده است |
| doi یا شناسه دیجیتال: https://doi.org/10.1016/j.aei.2017.05.003 |
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب
چکیده
1. مقدمه
2. کارهای مرتبط
2.1 KNN
2.2 WKNN و DWKNN
3. الگوریتم KNN بهبود یافته ما
4. پیش بینی بارندگی بر اساس الگوریتم KNN بهبود یافته برای منطقه پکن
4.1 داده های بارندگی و پیش بینی کننده ها
4.2 نرمالیزاسیون
4.3. پیش بینی بارندگی بر اساس الگوریتم KNN بهبود یافته
5. آزمایشات و نتایج
5.1 معیارهای ارزیابی عملکرد پیش بینی بارندگی
5.2. پیش بینی بارش
6. نتیجه گیری
منابع
نمونه متن انگلیسی
Abstract
The prediction method plays crucial roles in accurate precipitation forecasts. Recently, machine learning has been widely used for forecasting precipitation, and the K-nearest neighbor (KNN) algorithm, one of machine learning techniques, showed good performance. In this paper, we propose an improved KNN algorithm, which offers robustness against different choices of the neighborhood size k, particularly in the case of the irregular class distribution of the precipitation dataset. Then, based our improved KNN algorithm, a new precipitation forecast approach is put forward. Extensive experimental results demonstrate that the effectiveness of our proposed precipitation forecast approach based on improved KNN algorithm.
نمونه متن ترجمه
چکیده
روش پیش بینی نقش حیاتی در پیش بینی دقیق بارش دارد. اخیرا، یادگیری ماشین به میزان زیادی برای پیش بینی بارش استفاده شده است، و الگوریتم K-نزدیکترین همسایگی (KNN)، یکی از روش های یادگیری ماشین، عملکرد خوبی نشان داد. در این مقاله، ما یک الگوریتم KNN ارتقا یافته را ارائه می کنیم، که در برابر انتخاب های مختلف سایز همسایگی k به ویژه در مورد توزیع غیر عادی کلاس مجموعه داده های بارش، نیرومندی نشان می دهد،. سپس، بر مبنای الگوریتم KNN ارتقا یافته، یک روش پیش بینی بارش مطرح می شود. نتایج تجربی وسیع اثربخشی روش پیش بینی بارش مبتنی بر الگوریتم KNN پیشنهادی ما را نشان می دهد.
