Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Landslide susceptibility assessment using SVM machine learning algorithm

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989592%3A15310%2F11%3A10225214" target="_blank" >RIV/61989592:15310/11:10225214 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1016/j.enggeo.2011.09.006" target="_blank" >http://dx.doi.org/10.1016/j.enggeo.2011.09.006</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1016/j.enggeo.2011.09.006" target="_blank" >10.1016/j.enggeo.2011.09.006</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Landslide susceptibility assessment using SVM machine learning algorithm

  • Popis výsledku v původním jazyce

    The main objective of this research is to examine the possibility of automating the process of landslide susceptibility mapping by using machine learning techniques. The desired automated procedure assumes that after the initial acquisition of the necessary spatial data, an expert is presented with a (possibly small) representative region of the whole terrain. Such a scenario assumes a supervised learning approach in which the expert performs mapping in the representative region and the map subsequentlyproduced is used for training the machine which would perform the mapping task in the rest of the area.

  • Název v anglickém jazyce

    Landslide susceptibility assessment using SVM machine learning algorithm

  • Popis výsledku anglicky

    The main objective of this research is to examine the possibility of automating the process of landslide susceptibility mapping by using machine learning techniques. The desired automated procedure assumes that after the initial acquisition of the necessary spatial data, an expert is presented with a (possibly small) representative region of the whole terrain. Such a scenario assumes a supervised learning approach in which the expert performs mapping in the representative region and the map subsequentlyproduced is used for training the machine which would perform the mapping task in the rest of the area.

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    DE - Zemský magnetismus, geodesie, geografie

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA205%2F09%2F1079" target="_blank" >GA205/09/1079: Metody umělé inteligence v GIS</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2011

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Engineering Geology

  • ISSN

    0013-7952

  • e-ISSN

  • Svazek periodika

    123

  • Číslo periodika v rámci svazku

    3

  • Stát vydavatele periodika

    NL - Nizozemsko

  • Počet stran výsledku

    10

  • Strana od-do

    225-234

  • Kód UT WoS článku

    000297182200008

  • EID výsledku v databázi Scopus