...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Ocean & coastal management >A new machine learning approach to seabed biotope classification
【24h】

A new machine learning approach to seabed biotope classification

机译：海底生物素分类的新机器学习方法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Effective management in the marine environment requires a thorough understanding of the distribution of natural resources, including that of the benthos, the animals living in and on the seabed. Hitherto, it has been difficult to identify broadscale patterns in the benthos as the faunal clusters identified from individual surveys are not directly comparable. As a result, much reliance has been placed on one-off broadscale spatial surveys or matching samples to a common set of biotopes. In this study, new benthic macrofaunal data from discrete surveys are matched to existing broadscale cluster groups identified using unsupervised machine learning (k-means). This objective approach allows for continual improvements in our understanding of macrofaunal distribution patterns, thereby supporting ongoing conservation and marine spatial planning efforts. Other benefits are discussed. Finally, an R shiny web application is presented, allowing users to biotope match their own data.
机译：海洋环境中的有效管理需要彻底了解自然资源的分布，包括宾骨的分布，生活在海底和海底上的动物。迄今为止，由于单个调查中识别的动物区块不可比较，因此难以识别Benthos中的广场模式。因此，已经将许多依赖性放置在一次性的广场空间调查或匹配样本到常见的生物件。在这项研究中，来自离散调查的新的Benthic Macrofaunal数据与使用无监督机器学习（K-Means）识别的现有的广播集群组匹配。这种目标方法可以持续改进我们对宏观分布模式的理解，从而支持持续的保护和海洋空间规划努力。讨论了其他好处。最后，提出了一个闪亮的Web应用程序，允许用户匹配自己的数据。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号