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
ویرایش:
نویسندگان: Zhe Jiang. Shashi Shekhar (auth.)
سری:
ISBN (شابک) : 9783319601953, 9783319601946
ناشر: Springer International Publishing
سال نشر: 2017
تعداد صفحات: 138
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
کلمات کلیدی مربوط به کتاب علوم اطلاعات فضایی: تکنیک های طبقه بندی برای تصویر برداری از نقشه زمین: داده کاوی و کشف دانش، سنجش از دور/فتوگرامتری، علوم سیستم زمین
در صورت تبدیل فایل کتاب Spatial Big Data Science: Classification Techniques for Earth Observation Imagery 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 علوم اطلاعات فضایی: تکنیک های طبقه بندی برای تصویر برداری از نقشه زمین 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.
داده های بزرگ فضایی در حال ظهور (SBD) دارای پتانسیل تحول آفرین در حل بسیاری از چالش های بزرگ اجتماعی مانند مدیریت منابع آب، امنیت غذایی، واکنش به بلایا و حمل و نقل است. با این حال، چالشهای محاسباتی قابلتوجهی در تحلیل SBD به دلیل ویژگیهای فضایی منحصربهفرد از جمله همبستگی فضایی، ناهمسانگردی، ناهمگنی، مقیاسهای چندگانه و وضوح وجود دارد که در این کتاب نشان داده شده است. این کتاب همچنین تکنیکهای کنونی علم دادههای بزرگ فضایی را با تمرکز ویژه بر تکنیکهای طبقهبندی برای دادههای بزرگ تصاویر رصد زمین مورد بحث قرار میدهد. به طور خاص، نویسندگان چندین تکنیک طبقهبندی فضایی اخیر، مانند درختهای تصمیم فضایی و یادگیری مجموعه فضایی را معرفی میکنند. چندین جهت بالقوه تحقیقات آینده نیز مورد بحث قرار گرفته است. این کتاب مخاطبان بینرشتهای از جمله دانشمندان رایانه، پزشکان و محققانی را که در زمینه دادهکاوی، کلان دادهها کار میکنند، و همچنین دانشمندان حوزهای که در علم زمین (به عنوان مثال، هیدرولوژی، فاجعه)، ایمنی عمومی و سلامت عمومی کار میکنند، هدف قرار میدهد. دانشجویان سطح پیشرفته در علوم کامپیوتر نیز این کتاب را به عنوان مرجع مفید خواهند یافت.
Emerging Spatial Big Data (SBD) has transformative potential in solving many grand societal challenges such as water resource management, food security, disaster response, and transportation. However, significant computational challenges exist in analyzing SBD due to the unique spatial characteristics including spatial autocorrelation, anisotropy, heterogeneity, multiple scales and resolutions which is illustrated in this book. This book also discusses current techniques for, spatial big data science with a particular focus on classification techniques for earth observation imagery big data. Specifically, the authors introduce several recent spatial classification techniques, such as spatial decision trees and spatial ensemble learning. Several potential future research directions are also discussed. This book targets an interdisciplinary audience including computer scientists, practitioners and researchers working in the field of data mining, big data, as well as domain scientists working in earth science (e.g., hydrology, disaster), public safety and public health. Advanced level students in computer science will also find this book useful as a reference.
Front Matter....Pages i-xv
Front Matter....Pages 1-1
Spatial Big Data....Pages 3-13
Spatial and Spatiotemporal Big Data Science....Pages 15-44
Front Matter....Pages 45-45
Overview of Earth Imagery Classification....Pages 47-56
Spatial Information Gain-Based Spatial Decision Tree....Pages 57-76
Focal-Test-Based Spatial Decision Tree....Pages 77-104
Spatial Ensemble Learning....Pages 105-126
Front Matter....Pages 127-127
Future Research Needs....Pages 129-131