Resumen

En la actualidad, los grandes volúmenes de datos urbanos multimodales están disponibles de forma gratuita para el público debido al creciente número de ciudades, lo cual desempeña un papel crítico en campos como el transporte, la educación, el tratamiento médico y la gestión de recursos terrestres. La exitosa finalización del trabajo de alivio de la pobreza puede mejorar en gran medida la calidad de vida de las personas y garantizar el desarrollo sostenible de la sociedad. La pobreza es un desafío severo para la sociedad humana. Es de gran importancia aplicar el aprendizaje automático para identificar diferentes categorías de hogares empobrecidos y proporcionar apoyo decisional para la reducción de la pobreza. Los métodos tradicionales de alivio de la pobreza requieren un alto consumo de mano de obra, recursos materiales y financieros. Basado en el agrupamiento espacial basado en densidad de aplicaciones con ruido (DBSCAN, por sus siglas en inglés), este artículo diseña el algoritmo jerárquico de agrupamiento DBSCAN para identificar

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Urbano; Multimodal; Grandes datos; Pobreza; Aprendizaje automático; Agrupamiento
• Keywords:Urban; Multimodal; Big data; Poverty; Machine learning; Clustering