Programsko rješenje za predviđanje nalazišta biljnih vrsta

master's thesis

• Title (english): A Solution for Plant Species Distribution Prediction
• Author: Tin Komerički
• Mentor: Boris Milašinović (mentor)
• Committee member: Boris Milašinović (predsjednik povjerenstva)
• Committee member: Mario Brčić (član povjerenstva)
• Committee member: Boris Vrdoljak (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2021-07-07, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

Strojno učenje je grana računalne znanosti koja se koristi u brojnim područjima. U sklopu ovog rada strojno učenje se koristi na području botanike za predviđanje nalazišta biljnih vrsta. Kako postoje zapisi isključivo o nađenim biljnim vrstama (isključivo pozitivni primjeri), programsko rješenje za predviđanje nalazišta koristi model strojnog učenja zvan jednoklasni stroj potpornih vektora. U radu je opisana teorijska podloga, odnosno opis odabranog modela strojnog učenja i format geoprostornih podataka shapefile. Implementirano programsko rješenje sastoji se od servisa za predviđanje izrađenog u programskom jeziku python, koji sa ostatkom sustava komunicira koristeći sabirnicu poruka. Za demonstraciju rješenja izrađen je prototip aplikacije s grafičkim korisničkim sučeljem. Izrađeno programsko rješenje testirano je na geoprostornim podacima o klimi i nekoliko najrasprostranjenijih biljnih vrsta Hrvatske čiji su podaci dobiveni iz baze podataka Flora Croatica.

Abstract (english)

Machine learning is a branch of computer science used in wide range of fields. As a part of this paper machine learning is used in botany for plant specimen site prediction. Since there are only records of found species (positive labels only), the solution uses a machine learning model called one-class support vector machine for site prediction. The paper describes theoretical basis, which consists of a machine learning model used and geospatial data format called shapefile. Implemented software solution consists of prediction service coded in Python programming language which uses message bus to communicate with the rest of the system. A prototype of a GUI application is developed to demonstrate the solution. The software solution has been tested on climate geospatial data and a couple of most frequent plant species in Croatia the data of which was obtained from Flora Croatica database.

• Keywords: Python; Shapefile; jednoklasni stroj potpornih vektora; sabirnica poruka; RabbitMQ
• Keywords (english): Python; Shapefile; one-class support vector machine; message bus; RabbitMQ
• Language: croatian
• URN:NBN: urn:nbn:hr:168:711909
• Study programme: Title: Computing; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2023-01-13 12:41:48