$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

예측적 공간 데이터 마이닝을 이용한 산불위험지역 예측
Prediction of Forest Fire Hazardous Area Using Predictive Spatial Data Mining 원문보기

정보처리학회논문지. The KIPS transactions. Part D. Part D, v.9D no.6, 2002년, pp.1119 - 1126  

Han, Jong-Gyu (한국지질자원연구원 국가지질자원정보센터) ,  Yeon, Yeon-Kwang (한국지질자원연구원 국가지질자원정보센터) ,  Chi, Kwang-Hoon (한국지질자원연구원 국가지질자원정보센터) ,  Ryu, Keun-Ho

초록
AI-Helper 아이콘AI-Helper

이 논문에서는 공간적 통계기법에 근거한 예측적 공간 데이터 마이닝 방법을 제안하고, 산불위험지역을 예측하는데 적용하였다. 제안된 방법은 조건부 확률우도비를 이용한 방법으로 과거 산불발생지역에 대해 산불과 관련된 공간데이터 집합들 사이의 정량적 관계에 의존적인 예측 모델이다. 두 가지 방법을 이용하여 산불위험지역 예측도를 만들고, 각 모델의 예측력을 평가하기 위해 산불위험율(FHR : Forest Fire Hazard Rate)과 예측률곡선(PRC : Prediction Rate Curve)을 이용하였다. 제안된 두 가지 예측모델의 예측력 비교분석 결과, 우도비 방법이 조건부 확률 방법보다 더 우수한 것으로 나타났다. 이 논문에서 제안된 산불위험지역 예측모델을 이용하여 작성된 산불위험지역 예측도는 산불예방과 산불감시장비 및 인력의 효율적인, 배치 등 산불관리의 효율성을 높이는데 많은 도움을 줄 것으로 기대된다.

Abstract AI-Helper 아이콘AI-Helper

In this paper, we propose two predictive spatial data mining based on spatial statistics and apply for predicting the forest fire hazardous area. These are conditional probability and likelihood ratio methods. In these approaches, the prediction models and estimation procedures are depending un the ...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • Efficient tools for extracting information from geo-spatial data generate and manage large geo-spatial data sets. The focus of this work can be of importance to the organization which own large geo-spatial data sets. Data mining products can be a useful tool in decision-making and planning just as they are cur- rently in the business world.
본문요약 정보가 도움이 되었나요?

참고문헌 (23)

  1. R. H. Guting, An Introduction to Spatial Database Systems, In Very Large Data Bases Jorunal(Publisher : Springer Verlag), October, 1994 

  2. S. Shekhar and S. Chawla, Spatial Databases : Issues, Implementation and Trends, 2001 

  3. G. Greenman, Turning a map into a cake layer of information, New York Times, Feb., 2000 

  4. K. Koperski, J. Adhikary, and J. Han, Spatial Data Mining : Progress and Challenges. In In Workshop on Research Issues on Data Mining and Knowledge Discovery (DMKD'96), 1996 

  5. D. Mark, Geographical Information Science : Critical Issues in an Emerging Cross-Disciplinary Research Domain, NSF Workshop, Feb 

  6. J. Neter and L. Wasseman, Applied Linear Statistical Models, 4th ed, Irwin 

  7. S. M. Weiss and C. A. Kulikowski, Computer Systems that Learn : Classification and Prediction Methods from Statistics, Neural Nets, Machine Learning, and Expert Systems. Morgan Kaufman, 1991 

  8. P. Kontkanen, P. Myllym.aki and H. Tirri, Predictive data mining with finite mixtures. Proc. 2nd Int. Conf. on Knowledge Discovery and Data Mining, (KDD'96) 

  9. D. M. Skapura, Building Neural Networks, ACM Press, 1996 

  10. J. R. Quinlan, Induction of decision trees, Machine Learning 

  11. J. R. Quinlan, C4.5 : Programs for Machine Learning, Morgan Kaufmann, 1993 

  12. L. Breiman, J. Friedman, R. Olshen, and C. Stone, Classification and Regression Trees, Wadsworth International Group, 1984 

  13. M. Mehta, R. Agrawal, and J. Rissanen, SLIQ : A fast scalable classifier for data mining, In Proc. 1996 Int. Conference on Extending Database Technology (EDBT'96), Avignon, France, March, 1996 

  14. J. Shafer, R. Agrawal, and M. Mehta, SPRINT : A scalable parallel classifier for data mining, In Proc. 1996 Int. Conf. Very Large Data Bases 

  15. M. Kamber, L. Winstone, W. Gong, S. Cheng, and J. Han, Generalization and decision tree induction : Efficient classification in data mining, In Proc. of 1997. Int. Workshop on Research Isues on Data Engineering (RIDE'97) 

  16. Jong Gyu Han, Yeon Kwang Yeon, Kwang Hoon Chi and Keun Ho Ryu, Prediction of Forest Fire Hazardous Area Using Predictive Spatial Data Mining, Proc. of Int. Conf. on Information and Knowledge Engineering, pp.348-358, 2002 

  17. Lusted, L. B., Introduction to Medical Decision Making : Charles Thomas, Springfield, p.271 

  18. Aspinall, P. J. and Hill, A. R., Clinical inferences and decisions-I. Diagnosis and Bayes' theorem : Opthalmic and Physiological Optics, Vol.3, pp.295-304, 1983 

  19. Spiegelhalter, D. J.;Knill Jones, R. P., Statistical and Knowledge-based approaches to clinical decision-support systems, with an application in gastroenterology : Journal of the royal Statistical Society, A, Part 1, pp.35-77, 1984 

  20. Aspinall, R. J., An inductive modeling procedure based on Bayes' theorem for analysis of pattern in spatial data : Internationl Journal of Geographical Information System, Vol.6(2), pp.105-121, 1992 

  21. Reboh, R. andReiter, J., A knowledge-based system for regional mineral resource assessment : Final report, SRI project 4119, p.267, 1983 

  22. McCammon, R. B., ProspectorⅡ The redesign of Prospector : AI system in Government, pp.27-31, March, 1989, Washington D.C., pp.88-92, 1989 

  23. Reddy, R. K., Bonham-Carter, G. F. and Galley, A. G., Developing a geographic expert system for regional mapping of Volcanogenic Massive Sulphide(VMS)deposit potential : Nonrenewable Resources, Vol.1(2), pp.112-124, 1992 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로