Abstrato

UMA ABORDAGEM EFICIENTE PARA DETECTAR INCÊNDIOS FLORESTAIS UTILIZANDO O ALGORITMO K-MEDIODS

A Gnana Baskaran e Dr.K.Duraiswamy

Enunciado do problema:: O agrupamento de dados espaciais de alta dimensão para análise de risco de incêndio florestal tem sido um grande problema devido à escassez de pontos de dados. distância necessária for calculada para espaço espacial de baixa dimensão de dados de alta dimensão com escassez de pontos de dados em diferentes dimensões e também considerando os obstáculos. i) falta de suporte para reduzir o número de dimensões no espaço espacial para reduzir o tempo de procura (ii) a falta de suporte para obstáculos no espaço de dados espaciais. (iii) Compare o tempo de cálculo dos algoritmos HARP, Proclus, Doc, FastDoc, SSPC. Abordagem: Durante a primeira fase, as imagens estáticas captadas pelo satélite para diferentes dimensões, como o tempo e a localização da rede de incêndios florestais, são melhoradas e estas imagens são fornecidas como entrada para a separação de imagens a vermelho. imagens de entrada tateadas com base na cor vermelha utilizando o algoritmo K-Means e durante a segunda fase as imagens a cores vermelhas são convertidas em imagens em escala de cinzentos. A terceira fase centra-se principalmente na análise de relevância de atributos espaciais para detetar regiões de incêndios florestais densos e esparsos. de incêndio densas e eliminando regiões de incêndio esparsas e durante a quarta fase O algoritmo K-mediods é empregue para projetar os clusters em diferentes dimensões espaciais e também resolve o problema dos obstáculos Resultados: Primeiro mostramos que vários algoritmos de agrupamento de projeção no espaço espacial tornam-se ineficientes se o número de dimensões aumentar. , SSPC Os algoritmos produzem resultados aceitáveis ??????quando a dimensionalidade média do cluster é superior a 10%. Conclusão: Portanto, os resultados sugeriram que a sobrecarga foi razoavelmente minimizada e, utilizando simulações, investigámos a eficiência dos nossos esquemas no apoio ao agrupamento espacial de alta dimensão para análise de risco de incêndio florestal.