利用数据与人类知识预测野生动物偷猎
计算机与社会
2018-05-16 v1
摘要
偷猎持续对野生动物及其相关生态系统的保护构成重大威胁。估计并预测偷猎者已实施或可能实施犯罪的地点,对于更有效地调配巡逻资源至关重要。该领域的真实世界数据通常稀疏、噪声大且不完整,由少量正类数据(偷猎痕迹)、大量带标签不确定性的负类数据以及更大量的未标注数据组成。幸运的是,诸如护林员等领域的专家可提供关于偷猎活动模式的补充信息。然而,此类人类知识在以往方法中极少被使用。在本文中,我们通过利用极有限的数据和人类知识,为偷猎模式的预测分析贡献了新的解决方案。我们提出了一种通过基于聚类的保护区划分所构建的问卷,从领域专家处获取定量信息的方法。此外,我们提出了利用领域专家提供的定性与定量信息来增强数据集并改进学习的算法。我们与世界自然基金会(World Wild Fund for Nature)合作,展示在东北虎这一标志性物种所在的中国东北某保护区中,融入人类知识可带来更好的预测。结果表明了在从有限数据学习时利用人类知识的重要性。
引用
@article{arxiv.1805.05356,
title = {Exploiting Data and Human Knowledge for Predicting Wildlife Poaching},
author = {Swaminathan Gurumurthy and Lantao Yu and Chenyan Zhang and Yongchao Jin and Weiping Li and Haidong Zhang and Fei Fang},
journal= {arXiv preprint arXiv:1805.05356},
year = {2018}
}
备注
COMPASS 2018