مقارنة اسلوب التحليل التمييزي الضبابي اللبي المكاني مع التحليل التمييزي اللبي المكاني باستعمال المحاكاة

Abstract

تعتمد معظم الاساليب الاحصائية ومنها اساليب التعلم الآلي (Machine Learning) على افتراض ان عينات البيانات المستعملة في التحليل مستقلة ومتماثلة التوزيع والتي يطلق عليها مصطلح (Identically Independent distributed (iid)) لكن هذا الافتراض حول إستقلالية المشاهدات لايتفق مع البيانات المكانية (Spatial Data) وهذه الحالات تحدث في الكثير من المجالات العلمية مثل علم البيئة وتحليل الصور وعلم الاوبئة والدراسات الطبية .. الخ) لانها سوف تفشل في تحديد الارتباط الذاتي المكاني (Spatial Autoregressive).ان اسلوب تحليل تمييزي ضبابي لبي مكاني (Spatial Kernel Fuzzy Discriminant Analysis (SKFDA)) ياخذ بالاعتبار الاعتمادية المكانية للبيانات من خلال تحديد عدم الدقة في تعيين مصفوفة الانتشار بين الاصناف وداخل الاصناف باستعمال مبدأ المجموعات الضبابية ومقارنة هذا الاسلوب مع اسلوب التحليل التمييزي اللبي المكاني عن طريق مقياسيي الدقة الكلية (Overall Accuracy OA) ومتوسط دقة التصنف (Average Accuracy AA) عن طريق اختيار ثلاثة احجام للعينات داخل كل صنف وهي (50, 200 , 1000) وتحديد عدد الفئات اذ تم تحديد فئتين لغرض تطبيق اساليب التحليل التمييزي باختيار اثنين من النسب لعينات التدريب وهي (0.30, 0.8) و تم اختيار عرض حزمة للمشاهدات (hv=700) واربع قيم لعرض الحزمة المكاني بشكل عشوائي هي ( hs=1, 3, 6, 10) واختيار دالة لبية كاوسية في هاتيين الاساليب.

Keywords

• الارتباط المكاني
• التحليل الضبابي
• البيانات المكانية
• التحليل اللبي
• دقة التصنيف