دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: سازمان و پردازش داده ها ویرایش: نویسندگان: Dzwinel W., Yuen D.A., Boryczko K. سری: ناشر: سال نشر: 2003 تعداد صفحات: 14 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
در صورت تبدیل فایل کتاب Cluster Analysis, Data-Mining, Multi-dimensional Visualization of Earthquakes over Space, Time and Feature Space به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه و تحلیل خوشه ای ، داده کاوی ، تجسم چند بعدی زلزله ها بر فضا ، زمان و فضای ویژه نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
یک تکنیک جدید مبتنی بر تجزیه و تحلیل خوشهای از ساختار چند وضوحی الگوهای زلزله توسعه یافته و برای کاتالوگهای لرزهای مشاهدهشده و مصنوعی اعمال میشود. داده های مشاهده شده نشان دهنده فعالیت های لرزه ای واقع در اطراف جزایر ژاپن در بازه زمانی 1997-2003 است. دادههای مصنوعی با شبیهسازیهای عددی برای موارد مختلف یک گسل ناهمگن که توسط نابجایی الاستیک سه بعدی و خزش قانون قدرت اداره میشود، تولید شد. در بالاترین وضوح، ما ساختار خوشه محلی را در فضای داده رویدادهای لرزه ای برای دو نوع کاتالوگ با استفاده از یک الگوریتم خوشه بندی تجمعی تجزیه و تحلیل می کنیم. ما نشان میدهیم که رویدادهای قدر کوچک، تکههای مکانی-زمانی محلی مربوط به رویدادهای بزرگ همسایه را تولید میکنند. رخدادهای لرزه ای، کوانتیزه شده در فضا و زمان، فضای ویژگی چند بعدی پارامترهای زلزله را ایجاد می کنند. با استفاده از یک الگوریتم خوشهبندی غیر سلسله مراتبی و مقیاسبندی چند بعدی، زلزلههای متعدد را با تجسم سه بعدی و بازرسی خوشههای چند متغیره در زمان واقعی بررسی میکنیم. در وضوح مشخصه پارامترهای زلزله، تمام لرزه خیزی جاری قبل و بعد از بزرگترین رویدادها در یک ساختار جهانی متشکل از چند خوشه مجزا در فضای ویژگی جمع می شود. ما نشان میدهیم که با ترکیب نتایج خوشهبندی از فضاهای با وضوح پایین و بالا، میتوانیم رویدادهای اولیه را با دقت بیشتری تشخیص دهیم و اطلاعات حیاتی را که در یک سطح وضوح قابل تشخیص نیستند رمزگشایی کنیم.
A novel technique based on cluster analysis of the multi-resolutional structure of earthquake patterns is developed and applied to observed and synthetic seismic catalogs. The observed data represent seismic activities situated around the Japanese islands in the 1997-2003 time interval. The synthetic data were generated by numerical simulations for various cases of a heterogeneous fault governed by 3-D elastic dislocation and power-law creep. At the highest resolution, we analyze the local cluster structure in the data space of seismic events for the two types of catalogs by using an agglomerative clustering algorithm. We demonstrate that small magnitude events produce local spatio-temporal patches corresponding to neighboring large events. Seismic events, quantized in space and time, generate the multi-dimensional feature space of the earthquake parameters. Using a non-hierarchical clustering algorithm and multidimensional scaling, we explore the multitudinous earthquakes by real-time 3-D visualization and inspection of multivariate clusters. At the resolutions characteristic of the earthquake parameters, all of the ongoing seismicity before and after largest events accumulate to a global structure consisting of a few separate clusters in the feature space. We show that by combining the clustering results from low and high resolution spaces, we can recognize precursory events more precisely and decode vital information that cannot be discerned at a single level of resolution.