Szerző dc.contributor.author | Jozsef Pap | |
Szerző dc.contributor.author | Csaba Mako | |
Szerző dc.contributor.author | Miklos Illessy | |
Szerző dc.contributor.author | Zef Dedaj | |
Szerző dc.contributor.author | Sina Ardabili | |
Szerző dc.contributor.author | Bernat Torok | |
Szerző dc.contributor.author | Amir Mosavi | |
Elérhetőség dátuma dc.date.accessioned | 2023-02-16T11:23:00Z | |
Rendelkezésre állás dátuma dc.date.available | 2023-02-16T11:23:00Z | |
Kiadás dc.date.issued | 2022 | |
Issn dc.identifier.issn | 1999-4893 | |
Uri dc.identifier.uri | http://hdl.handle.net/20.500.12944/19971 | |
Kivonat dc.description.abstract | The study sought to investigate the process of built-up expansion and the probability of built-up expansion in the English Bazar Block of West Bengal, India, using multitemporal Landsat satellite images and an integrated machine learning algorithm and fuzzy logic model. The land use and land cover (LULC) classification were prepared using a support vector machine (SVM) classifier for 2001, 2011, and 2021. The landscape fragmentation technique using the landscape fragmentation tool (extension for ArcGIS software) and frequency approach were proposed to model the process of built-up expansion. To create the built-up expansion probability model, the dominance, diversity, and connectivity index of the built-up areas for each year were created and then integrated with fuzzy logic. The results showed that, during 2001–2021, the built-up areas increased by 21.67%, while vegetation and water bodies decreased by 9.28 and 4.63%, respectively. The accuracy of the LULC maps for 2001, 2011, and 2021 was 90.05, 93.67, and 96.24%, respectively. According to the built-up expansion model, 9.62% of the new built-up areas was created in recent decades. The built-up expansion probability model predicted that 21.46% of regions would be converted into built-up areas. This study will assist decision-makers in proposing management strategies for systematic urban growth that do not damage the environment. | |
Nyelv dc.language | en | |
Kulcsszó dc.subject | organizational performance | |
Kulcsszó dc.subject | machine learning | |
Kulcsszó dc.subject | big data | |
Kulcsszó dc.subject | imperialist competitive algorithm | |
Kulcsszó dc.subject | employee wellbeing | |
Kulcsszó dc.subject | artificial neural networks | |
Kulcsszó dc.subject | firm performance | |
Kulcsszó dc.subject | artificial intelligence | |
Kulcsszó dc.subject | deep learning | |
Kulcsszó dc.subject | data science | |
Cím dc.title | Correlation analysis of factors affecting firm performance and employees wellbeing: application of advanced machine learning analysis | |
Típus dc.type | folyóiratcikk | |
Változtatás dátuma dc.date.updated | 2023-02-14T14:30:30Z | |
Változat dc.description.version | kiadói | |
Hozzáférés dc.rights.accessRights | nyílt hozzáférésű | |
dc.description.notes | „A publikáció a Nemzeti Közszolgálati Egyetem 2020. évi Tématerületi Kiválóság Program keretében, a Fenntartható biztonság és társadalmi környezet elnevezésű projekt támogatásával valósult meg, az Innovációs és Technológiai Minisztérium Nemzeti Kutatási, Fejlesztési és Innovációs Alapból nyújtott támogatásával, a Nemzeti Kutatási, Fejlesztési és Innovációs Hivatal által kibocsátott támogatói okirat alapján.” Pályázat sorszáma: NKFIH-1273-6/2020 Támogató: NKFIH | |
Doi azonosító dc.identifier.doi | 10.3390/a15090300 | |
Tudományág dc.subject.discipline | Társadalomtudományok | |
Tudományterület dc.subject.sciencebranch | Gazdálkodás- és szervezéstudomány | |
Mtmt azonosító dc.identifier.mtmt | 33067743 | |
Folyóirat dc.identifier.journalTitle | Algorithms | |
Évfolyam dc.identifier.journalVolume | 15 | |
Füzetszám dc.identifier.journalIssueNumber | 9 | |
Terjedelem dc.format.page | 17.jan | |
Wos azonosító dc.identifier.wos | 000856153000001 | |
Scopus azonosító dc.identifier.scopus | 85138487958 | |
Folyóiratcím rövidítve dc.identifier.journalAbbreviatedTitle | ALGORITHMS | |
Kiadás éve dc.description.issuedate | 2022 | |
Szerző intézménye dc.contributor.department | Regionális- és Gazdaságtudományi Doktori Iskola | |
Szerző intézménye dc.contributor.department | Információs Társadalom Kutatóintézet | |
Szerző intézménye dc.contributor.department | Szociológiai Intézet | |
Szerző intézménye dc.contributor.department | Gazdálkodástani Doktori Iskola | |
Szerző intézménye dc.contributor.department | Információs Társadalom Kutatóintézet | |
Szerző intézménye dc.contributor.department | Szoftvertervezés- és Fejlesztés Intézet | |
Szerző intézménye dc.contributor.department | Menedzsment Tanszék | |
Szerző intézménye dc.contributor.department | Gazdálkodástani Doktori Iskola | |
Szerző intézménye dc.contributor.department | Informatikai Tudományok Doktori Iskola | |
Szerző intézménye dc.contributor.department | Óbudai Egyetem | |
Szerző intézménye dc.contributor.department | Gazdaság- és Regionális Tudományi Doktori Iskola | |
Szerző intézménye dc.contributor.department | Államtudományi és Nemzetközi Tanulmányok Kar | |
Szerző intézménye dc.contributor.department | Alkotmányjogi és Összehasonlító Közjogi Tanszék | |
Szerző intézménye dc.contributor.department | Alkotmányjogi Tanszék | |
Szerző intézménye dc.contributor.department | Biztonságtudományi Doktori Iskola | |
Szerző intézménye dc.contributor.department | Közszervezési és Infotechnológiai Tanszék | |
Szerző intézménye dc.contributor.department | Információs Társadalom Kutatóintézet | |
Szerző intézménye dc.contributor.department | Szociológiai Intézet | |
Szerző intézménye dc.contributor.department | Kiberbiztonsági Kutatóintézet | |
Szerző intézménye dc.contributor.department | Szoftvertervezés- és Fejlesztés Intézet | |
Szerző intézménye dc.contributor.department | Regionális- és Gazdaságtudományi Doktori Iskola | |
Szerző intézménye dc.contributor.department | Felsőbbfokú Tanulmányok Intézete |