Zobrazeno 1 - 10
of 200
pro vyhledávání: '"Kernel logistic regression"'
Autor:
Anik Saha, Sunil Saha
Publikováno v:
Artificial Intelligence in Geosciences, Vol 3, Iss , Pp 14-27 (2022)
The aim of the current work is to compare susceptibility maps of landslides produced using machine learning techniques i.e. multilayer perception neural nets (MLP), kernel logistic regression (KLR), random forest (RF), and multivariate adaptive regre
Externí odkaz:
https://doaj.org/article/cff6bfb2006949fdb494d7a02ea44777
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Tingyu Zhang, Yanan Li, Tao Wang, Huanyuan Wang, Tianqing Chen, Zenghui Sun, Dan Luo, Chao Li, Ling Han
Publikováno v:
Geoscience Letters, Vol 9, Iss 1, Pp 1-16 (2022)
Abstract The losses and damage caused by landslide are countless in the world every year. However, the existing approaches of landslide susceptibility mapping cannot fully meet the requirement of landslide prevention, and further excavation and innov
Externí odkaz:
https://doaj.org/article/1a8e99f6dbcc42779c767e7169a4fbb0
Autor:
Aqil Tariq, Yan Jiango, Qingting Li, Jianwei Gao, Linlin Lu, Walid Soufan, Khalid F. Almutairi, Muhammad Habib-ur-Rahman
Publikováno v:
Heliyon, Vol 9, Iss 2, Pp e13212- (2023)
The present study is designed to monitor the spatio-temporal changes in forest cover using Remote Sensing (RS) and Geographic Information system (GIS) techniques from 1990 to 2017. Landsat data from 1990 (Thematic mapper [TM]), 2000 and 2010 (Enhance
Externí odkaz:
https://doaj.org/article/86bef5758dbe427ebac89f30e372468f
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
IEEE Access, Vol 7, Pp 84242-84252 (2019)
Logistic regression as a classic classification algorithm has limitations that can only be applied to linearly separable data. For linearly indivisible data, we use a kernel trick to map it to a higher dimensional space, making it easier to separate
Externí odkaz:
https://doaj.org/article/44b95b1676294990bd25d0aa358e5da7
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Symmetry, Vol 13, Iss 10, p 1973 (2021)
The scientific community has presented various citation classification models to refute the concept of pure quantitative citation analysis systems wherein all citations are treated equally. However, a small number of benchmark datasets exist, which m
Externí odkaz:
https://doaj.org/article/9f6b672cef2741f2a98c9832d36f622d
Publikováno v:
Geomatics, Natural Hazards & Risk, Vol 8, Iss 2, Pp 950-973 (2017)
The main purpose of this paper is to explore some potential applications of sophisticated machine learning techniques such as the kernel logistic regression, Naïve-Bayes tree and alternating decision tree models for landslide susceptibility analysis
Externí odkaz:
https://doaj.org/article/d6860dcae07b4576960a9fc107c696dc