شماره ركورد كنفرانس :
4272
عنوان مقاله :
استخراج مدل علائق شهروندان و پيش بيني نيازهاي كوتاه مدت و بلند مدت آنها براي توسعه پايدار شهري
عنوان به زبان ديگر :
Extract the model of citizen interests and predict the short-term and long-term needs for urban sustainable development
پديدآورندگان :
علي پور اسكنداني محمد alipoures@gmail.com دانشجوي دكتري رشته مهندسي كامپيوتر-هوش مصنوعي دانشگاه اصفهان , رادمهر حامد hamed.radmehr@gmail.com كارشناسي ارشد مهندسي اطلاعات و مديريت دانشگاه يونشوپينگ(Jonkoping) سوئد
كليدواژه :
خوشه بندي , ماركوف , گراف , پيش بيني , داده كاوي.
عنوان كنفرانس :
پنجمين كنفرانس بين المللي توسعه پايدار و عمران شهري
چكيده فارسي :
شايد تاكنون كارهاي زيادي براي استخراج نياز و علاقمندي شهروندان به موضوعات و خدمات خاصي انجام شده باشد. بي شك بخش بندي و پيش بيني نيازهاي آتي شهروندان با توجه به اطلاعات قبلي ميسر است. در اين مقاله سعي شده است با استفاده از تركيب روشهاي خوشه بندي و ارائه مدل ماتريس رفتار و علاقمندي شهروند منتهي به يك ساختار ماركف، به پيش بيني مناسبتري از الگوي علاقه و نياز خانواده ها دست بيابيم.همچنين براي جمع آوري داده هاي اين كار ، پيشنهاد كاملاً عملي نيز آورده شده است. اين مقاله روشي ارائه مي دهد كه كاربران را بر اساس نرخ تناوب دستيابي به هركدام از اشياء، گروه بندي مي كند.پيش بيني هاي كوتاه مدت با بكار گيري يك زير ساخت الكترونيك كه در حال حاضر در تمامي شهرهاي كشور قابل دسترسي است ، بر خط خواهد بود.
چكيده لاتين :
Maybe so far a lot of work for mining needs and interests of citizens to topics and specific service is performed. Undoubtedly clustering and predict future needs of citizens, according to previous information is available. In this paper, with using a combination of clustering methods and matrix modeling the behavior and interests of citizens, led to a Markov structure, to the best predict of the interest and needs of families achieve.
Also to collect data, it has been proposed action. This paper presents a method that the users, the alternation rate to achieve any of the objects, are grouped. Short-time predictions will be online with using a good electronic infrastructure.