مقاله ‌‌‌‌‌‌‌مدل‌سازی پراکنش بالقو? گونه‌های حیات‌وحش بر مبنای دانش بوم‌شناختی جوامع بومی در مقایسه با روش‌های یادگیری ماشینی (مطالع? موردی: آهوی ایرانی در منطق? حفاظت‌شد? میشداغ)

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقاله ‌‌‌‌‌‌‌مدل‌سازی پراکنش بالقو? گونه‌های حیات‌وحش بر مبنای دانش بوم‌شناختی جوامع بومی در مقایسه با روش‌های یادگیری ماشینی (مطالع? موردی: آهوی ایرانی در منطق? حفاظت‌شد? میشداغ) دارای ۲۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله ‌‌‌‌‌‌‌مدل‌سازی پراکنش بالقو? گونه‌های حیات‌وحش بر مبنای دانش بوم‌شناختی جوامع بومی در مقایسه با روش‌های یادگیری ماشینی (مطالع? موردی: آهوی ایرانی در منطق? حفاظت‌شد? میشداغ)  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله ‌‌‌‌‌‌‌مدل‌سازی پراکنش بالقو? گونه‌های حیات‌وحش بر مبنای دانش بوم‌شناختی جوامع بومی در مقایسه با روش‌های یادگیری ماشینی (مطالع? موردی: آهوی ایرانی در منطق? حفاظت‌شد? میشداغ)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله ‌‌‌‌‌‌‌مدل‌سازی پراکنش بالقو? گونه‌های حیات‌وحش بر مبنای دانش بوم‌شناختی جوامع بومی در مقایسه با روش‌های یادگیری ماشینی (مطالع? موردی: آهوی ایرانی در منطق? حفاظت‌شد? میشداغ) :

تعداد صفحات :۲۴

پایش و مدیریت جمعیت‌های حیات‌وحش و زیستگاه‌ها نیازمند مدل‌سازی زیستگاه‌های مطلوب و پراکنش گونه‌ای است. بنابراین در این پژوهش، مدل‌سازی پراکنش بالقو آهوی ایرانی با دو رویکرد فازی (مبتنی بر دانش بوم‌شناختی جوامع بومی) و مکسنت (مبتنی بر داده‌های حضور گونه) در منطق حفاظت‌شد میشداغ اجرا شد؛ تا ضمن مدل‌سازی پراکنش گونه‌ای با استفاده از سامان استنتاج فازی (رویکرد فازی) و الگوریتم آنتروپی بیشینه (رویکرد مکسنت)، به بررسی و مقایس کارایی هر یک از این دو رویکرد پرداخته شود. به‌علاوه، ارزیابی هر یک از مدل‌ها با استفاده از تحلیل جک‌نایف انجام شد. آستانه‌گذاری نیز با استفاده از آستان حضور ۱۰% صورت گرفت. براساس یافته‌ها، سه متغیر کاربری سرزمین، فاصله از کشت‌زارها و فاصله از منابع آب در هر دو رویکرد فازی و مکسنت به‌عنوان مهم‌ترین متغیرهای مدل‌سازی شناخته شدند. همچنین، در هر یک از رویکردهای فازی و مکسنت به ترتیب ۴۵/۴۷% و ۰۸/۱۴% منطقه به‌عنوان منطق حضور بالقوه پیش‌بینی شد. براساس تحلیل جک‌نایف، میزان موفقیت هر یک از مدل‌های فازی و مکسنت به ترتیب، ۹۵/۸۰% و ۶۶/۶۶% برآورد شد (p<0.01). یافته‌های پژوهش مؤید کارایی بالای سامان استنتاج فازی و الگوریتم آنتروپی بیشینه در مدل‌سازی پراکنش بالقو آهوی ایرانی است. این مطالعه را می‌توان از یک سو تأکیدی بر ضرورت توجه به رویکردهایی همچون رویکرد فازی در مدل‌سازی پراکنش بالقو گونه‌های حیات‌وحش کشور و از سوی دیگر تأکیدی بر ضرورت توجه به دانش بوم‌شناختی جوامع بومی هر منطقه دانست.