EM-T1Geomatics, Natural Hazards and Risk2024-09-24第 15 卷第 1 期开放获取

Unsupervised machine learning with different sampling strategies and topographic factors for distinguishing between landslide source and runout areas to improve landslide inventory production

登录后看摘要和中文要点

英文摘要、AI 生成的中文摘要和三条要点、参考文献和引证文献列表、论文图谱，注册免费。

关键词

复合灾害与灾害链金融风险与机器学习 landslide inventory unsupervised learning K-means clustering DBSCAN expectation-maximization algorithm topographic factors hydrological factors Typhoon Morakot sampling strategy digital elevation model

登录后可以看完整列表。去登录

0次被引阅读 2

还没有逐年数据

被引数据来自 OpenAlex，含本站以外的引用

Geomatics, Natural Hazards and RiskInforma UK (Taylor & Francis)

应急管理一类

本站发文: 1,669
总被引: 34,554
ISSN: 1947-5705

进入期刊页 →

引用这篇

LAI J-S, HUANG J, HUANG H-M, et al. Unsupervised machine learning with different sampling strategies and topographic factors for distinguishing between landslide source and runout areas to improve landslide inventory production[J]. Geomatics, Natural Hazards and Risk, 2024, 15(1). DOI:10.1080/19475705.2024.2406302.

著录项

学科: 工学环境科学与工程环境管理、监测、政策与法规
类型: 研究论文
期刊: Geomatics, Natural Hazards and Risk
基金资助: National Science and Technology Council Feng Chia University项目号 21H00306、NSTC112-2221-E035-035、22H00306、108-2119-M-035-003
卷期页: 第 15 卷第 1 期
出版: 2024-09-24
语言: 英语
DOI: 10.1080/19475705.2024.2406302

获取来源2 处

Geomatics Natural Hazards and Risk免费出版版
页面
DOAJ (DOAJ: Directory of Open Access Journals)预印本
页面

来源列表来自 OpenAlex；本站不存全文，链接打开的是对方网站

论文图谱

本篇和它的参考文献、引证文献、相似文献

登录后可以看这篇的论文图谱：谁被它引用、谁引用了它、还有哪些相似的研究。