این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
صفحه اصلی
درباره پایگاه
فهرست سامانه ها
الزامات سامانه ها
فهرست سازمانی
تماس با ما
JCR 2016
جستجوی مقالات
شنبه 6 دی 1404
جنگل ایران
، جلد ۱۴، شماره ۱، صفحات ۷۵-۸۸
عنوان فارسی
ارزیابی تأثیر مقدار ضریب بتا در عملکرد خوشهبندی بتای انعطافپذیر در طبقهبندیپوشش گیاهی
چکیده فارسی مقاله
خوشهبندی از پرکاربردترین روشهای مختلف طبقهبندی و خوشهبندی بتای انعطافپذیر از روشهای موفق سلسلهمراتبی تجمعی در طبقهبندی جوامع گیاهی است. هدف این بررسی، تعیین مقدار بتای مناسب در روش خوشهبندی بتای انعطافپذیر است. برای این پژوهش دادههای پوشش گیاهی از جنگلهای هیرکانی و جنگلهای بلوط زاگرس انتخاب شدند و مقدار مختلف بتا در نتایج خوشهبندی بتای انعطافپذیر (1/0-، 25/0-، 4/0-، 6/0- و 08/- ) با چهار معیار ارزیابیکنندۀ MRPP، PARATNA، Silhouette و همبستگی فی ارزیابی شد و نتایج هر معیار ارزیابیکننده از بهترین به بدترین رتبهبندی شدند. سپس با برآورد میانگین کل ارزیابیکنندهها، عملکرد خوشهبندیها مشخص شد. نتایج این پژوهش نشان داد که در دادههای ناحیۀ رویشی هیرکانی خوشهبندی بتای انعطافپذیر با مقدار بتای 1/0- بهترین عملکرد را دارد، اما خوشهبندی با مقدار بتای 25/0- و 4/0- نیز عملکرد مناسبی دارد. در دادههای ناحیۀ رویشی زاگرس خوشهبندی بتای انعطافپذیر با مقدار بتای 25/0- بهترین عملکرد را دارد و خوشهبندی بتای انعطافپذیر با مقدار بتای 1/0- در رتبۀ دوم قرار دارد. بنابراین با توجه به تأثیر اهمیت انتخاب درست روش طبقهبندی در تفسیر اکولوژیکی نتایج حاصل، این بررسی با در نظر گرفتن همۀ نتایج، استفاده از ضریب بتای 1/0- و 25/0- را برای طبقهبندی پوشش گیاهی پیشنهاد میکند.
کلیدواژههای فارسی مقاله
جنگلهای زاگرس، جنگلهای هیرکانی، سلسلهمراتبی،
عنوان انگلیسی
Evaluating the effect of beta coefficient on the performance of flexible beta clustering in vegetation classification
چکیده انگلیسی مقاله
Among different methods for classification, clustering is commonly used methods. Flexible-Beta clustering is successful hierarchical agglomerative clustering which is employed by ecologists as effective clustering method. The aim of the research was to detect the suitable value of beta for flexible-clustering methods. For this purpose, two different forest regions from Hyrcanian and Zagros Oak regions were selected. The clustering algorithms included Flexible-beta algorithms with five value of beta (-0.1, -0.25-, -0.4, -0.6 and -0.8). Five evaluators (Silhouette, MRPP, PARATNA, Phi coefficient) were employed on each cluster solution to evaluate different clustering algorithms. Algorithms were ranked from best to worst on each clustering evaluator for each data set. The results showed that Flexible-beta clustering with beta value -0.1 had best performance and Flexible-beta clustering with beta value -0.25 and -0.4 were proper performance in Hyrcanian regions. Flexible-beta clustering with beta value -0.25 was superior to others and Flexible-beta clustering with beta value -0.1 had the second rank. Since, choosing the most suitable clustering method is critical for achieving maximally ecological interpretable results, therefore, we suggested using flexible beta clustering with beta value equal to -0.1 and -0.25 in the studies area.
کلیدواژههای انگلیسی مقاله
جنگلهای زاگرس, جنگلهای هیرکانی, سلسلهمراتبی
نویسندگان مقاله
نغمه پاک گهر |
دکتری جنگلداری، گروه جنگلداری، دانشکدۀ منابع طبیعی، دانشگاه ارومیه، ارومیه
جواد اسحاقی راد |
استاد، گروه جنگلداری، دانشکدۀ منابع طبیعی، دانشگاه ارومیه، ارومیه
غلامحسین غلامی |
استادیار، گروه ریاضی، دانشکدۀ علوم، دانشگاه ارومیه، ارومیه
احمد علیجانپور |
استاد، گروه جنگلداری، دانشکدۀ منابع طبیعی، دانشگاه ارومیه، ارومیه
دیوید رابرتز |
استاد، گروه اکولوژی، دانشگاه مونتانا، مونتانا
نشانی اینترنتی
https://www.ijf-isaforestry.ir/article_151812_3d33d2d64bd0ab551f472dd27205f3f9.pdf
فایل مقاله
فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده
fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به:
صفحه اول پایگاه
|
نسخه مرتبط
|
نشریه مرتبط
|
فهرست نشریات