خرید و دانلود نسخه کامل کتاب Spatial AutoRegression (SAR) Model: Parameter Estimation Techniques

توضیحاتی در مورد کتاب



رشد انفجاری در اندازه پایگاه‌های اطلاعاتی فضایی، نیاز به تکنیک‌های داده‌کاوی مکانی را برای استخراج الگوهای فضایی جالب اما ضمنی در این پایگاه‌های داده بزرگ برجسته کرده است. این کتاب ساختار محاسباتی راه‌حل‌های مدل خودرگرسیون فضایی دقیق و تقریبی (SAR) را بررسی می‌کند. تخمین پارامترهای مدل SAR با استفاده از نظریه حداکثر درستنمایی (ML) از نظر محاسباتی بسیار گران است زیرا نیاز به محاسبه لگاریتم تعیین کننده (log-det) یک ماتریس بزرگ در تابع log-likelihood است. بخش دوم کتاب به معرفی نظریه راه حل های مدل SAR می پردازد. بخش سوم کتاب تکنیک های پردازش موازی را برای راه حل های مدل SAR دقیق اعمال می کند. فرمول‌های موازی روش تخمین پارامتر مدل SAR بر اساس تئوری ML با استفاده از موازی‌سازی داده‌ها با تکنیک‌های متعادل‌سازی بار بررسی می‌شوند. اگرچه این پیاده‌سازی موازی مقیاس‌پذیری تا هشت پردازنده را نشان داد، راه‌حل دقیق مدل SAR هنوز از پیچیدگی محاسباتی و نیازهای حافظه بالایی رنج می‌برد. این محدودیت ها کتاب را به بررسی راه حل های تقریبی سریالی و موازی برای تخمین پارامتر مدل SAR سوق داده است. در بخش چهارم و پنجم کتاب، دو راه حل تقریبی-نیمه پراکنده کاندیدای مدل SAR بر اساس بسط سری تیلور و چند جمله ای چبیشف ارائه شده است. آزمایش‌ها نشان می‌دهند که تفاوت بین تخمین‌های پارامتر SAR دقیق و تقریبی تأثیر معنی‌داری بر دقت پیش‌بینی ندارد. در بخش آخر کتاب، ما یک راه حل مدل تقریبی SAR مبتنی بر ML و انواع آن را در بخش بعدی پایان نامه توسعه دادیم. راه حل مدل تقریبی SAR جدید راه حل مدل SAR تقریبی گاوس-لانکزوس نامیده می شود. ما از نظر جبری خطای تقریب چند جمله ای چبیشف، تقریب سری تیلور و تقریب گاوس-لانکزوس را به حل مدل SAR و انواع آن رتبه بندی می کنیم. به عبارت دیگر، ما یک رابطه جدید بین خطا در عبارت log-det که عبارت تقریبی در تابع log-احتمال‌سنجی متمرکز است و خطا در تخمین پارامتر SAR برای همه راه‌حل‌های مدل SAR تقریبی برقرار کردیم. p>