Catalogus

Zoeken

Zoeken kan via de modus 'eenvoudig zoeken' (één veld) of uitgebreid via 'geavanceerd zoeken' (meerdere velden). Zo kan je bv. zoeken op een combinatie van een auteursnaam (auteur), een jaartal (jaar) en een documenttype.

Boekenmand

Nuttige resultaten kan je aanvinken en toevoegen aan een mandje. De inhoud hiervan kan je exporteren of afdrukken (naar bv. PDF).

RSS

Op de hoogte blijven van nieuw toegevoegde publicaties binnen uw interessegebied? Dit kan door een RSS-feed (?) te maken van jouw zoekopdracht.

log in

Publicaties | Kaarten

nieuwe zoekopdracht

[ meld een fout in dit record ]

mandje (0): toevoegen | toon

---

Application of classification trees and support vector machines to model the presence of macroinvertebrates in rivers in Vietnam Thu Huong, H.; Lock, K.; Mouton, A.; Goethals, P.L.M. (2010). Application of classification trees and support vector machines to model the presence of macroinvertebrates in rivers in Vietnam. Ecological Informatics 5(2): 140-146. http://dx.doi.org/10.1016/j.ecoinf.2009.12.001 In: Ecological Informatics. Elsevier: Amsterdam. ISSN 1574-9541; e-ISSN 1878-0512

---

Beschikbaar in	Auteurs
VLIZ: Non-open access 295349 [ aanvragen ]

---

Trefwoord

Zoet water

Author keywords

Bioassessment; Ecological modelling; River management

---

Auteurs		Top
Thu Huong, H. Lock, K. Mouton, A. Goethals, P.L.M.

---

Abstract

In the present study, classification trees (CTs) and support vector machines (SVMs) were used to study habitat suitability for 30 macroinvertebrate taxa in the Du river in Northern Vietnam. The presence/absence of the 30 most common macroinvertebrate taxa was modelled based on 21 physical-chemical and structural variables. The predictive performance of the CT and SVM models was assessed based on the percentage of Correctly Classified Instances (CCI) and Cohen's kappa statistics. The results of the present study demonstrated that SVMs performed better than CTs. Attribute weighing in SVMs could replace the application of genetic algorithms for input variable selection. By weighing attributes, SVMs provided quantitative correlations between environmental variables and the occurrence of macroinvertebrates and thus allowed better ecological interpretation. SVMs thus proved to have a high potential when applied for decision-making in the context of river restoration and conservation management.

---

Alle informatie in het Integrated Marine Information System (IMIS) valt onder het VLIZ Privacy beleid

Top | Auteurs