机译:使用LogitBoost机器学习分类器和多源地理空间数据的热带森林火灾敏感性空间预测的新型集成建模方法
RMIT Univ, Sch Sci, Geospatial Sci, Melbourne, Vic 3000, Australia;
RMIT Univ, Sch Sci, Geospatial Sci, Melbourne, Vic 3000, Australia;
Flinders Univ S Australia, ARC Ctr Excellence Australian Biodivers & Heritag, Global Ecol, Coll Sci & Engn, GPO Box 2100, Adelaide, SA, Australia|Macquarie Univ, Dept Biol Sci, Sydney, NSW, Australia;
Pablo de Olavide Univ Seville, Div Comp Sci, Seville, Spain;
Ton Duc Thang Univ, Geog Informat Sci Res Grp, Ho Chi Minh City, Vietnam|Ton Duc Thang Univ, Fac Environm & Labour Safety, Ho Chi Minh City, Vietnam;
机译:Logitboost机器学习分类器和多源地理空间数据的热带森林火灾易感空间预测新颖的集合建模方法
机译:基于实例的学习分类器与旋转森林集成的GIS混合预测降雨诱发浅层滑坡空间的新方法
机译:基于GIS的热带森林火灾危险的空间预测使用新的混合机学习方法
机译:利用越南地形和气象数据预测森林火灾的极限学习机方法
机译:对南加州野火敏感性空间格局的建模:MODIS遥感数据和中尺度数值天气模型的应用
机译:开发可解释的基于机器学习的个性化痴呆风险预测模型:具有集合学习算法的转移学习方法
机译:基于机器学习模型的森林火灾敏感性预测遥感数据的重新采样算法