JP4384105B2 - 空間データマイニング装置、方法およびプログラム - Google Patents
空間データマイニング装置、方法およびプログラム Download PDFInfo
- Publication number
- JP4384105B2 JP4384105B2 JP2005275649A JP2005275649A JP4384105B2 JP 4384105 B2 JP4384105 B2 JP 4384105B2 JP 2005275649 A JP2005275649 A JP 2005275649A JP 2005275649 A JP2005275649 A JP 2005275649A JP 4384105 B2 JP4384105 B2 JP 4384105B2
- Authority
- JP
- Japan
- Prior art keywords
- spatial
- model
- evaluation
- point
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000007418 data mining Methods 0.000 title claims description 20
- 238000000034 method Methods 0.000 title claims description 18
- 238000011156 evaluation Methods 0.000 claims description 159
- 238000003066 decision tree Methods 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 description 24
- 238000010586 diagram Methods 0.000 description 13
- 238000013500 data storage Methods 0.000 description 4
- 238000005192 partition Methods 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
前記空間データベースにおける前記他の属性と異なる属性の値によって前記事例を分割する条件を定めた複数の空間モデル候補を格納する空間モデル候補格納手段と、
前記空間モデル候補の局所的な好ましさを評価するための複数の評価地点の位置情報を格納する評価地点格納手段と、
前記複数の空間モデル候補のそれぞれに従って前記決定木の末端ノードのうちの1つである着目ノードに分類される事例群を分割することにより複数の事例組を含む分割空間データを前記空間モデル候補毎に取得する空間データ分割手段と、
前記着目ノードに分類される事例群における前記他の属性の値の、前記着目ノードに割り当てられた前記他の属性の値に対するGini統計量、情報量または最小自乗誤差であるモデル誤差を計算するとともに、前記複数の空間モデル候補のそれぞれから得られた前記複数の事例組のそれぞれ毎に前記事例組における前記他の属性の値の、前記着目ノードに割り当てられた前記他の属性の値に対する、Gini統計量、情報量または最小自乗誤差であるモデル誤差を算出するモデル誤差算出手段と、
前記複数の空間モデル候補のそれぞれから得られた前記複数の事例組のそれぞれ毎に、各前記評価地点のそれぞれに対する点密度を、各前記評価地点の位置と、前記事例組に含まれる事例の位置とから算出する分割点密度算出手段と、
前記空間モデル候補のうちの1つと前記評価地点のうちの1つとの組合せ毎に、
前記着目ノードに分類される事例群に対して算出された前記モデル誤差と、
前記空間モデル候補のうちの前記1つから得られた前記複数の事例組について前記評価地点のうちの前記1つに対して算出された各前記点密度の、前記複数の事例組に対して算出された各前記モデル誤差による重み付け合計と、
の差分を計算することにより、局所的モデル評価値を計算するモデル評価手段と、
を有する局所モデル評価手段と、
各前記評価地点の重要度をそれぞれ表す地点重みを格納する地点重み格納手段と、
前記空間モデル候補毎に、各前記評価地点のそれぞれの前記地点重みからなるベクトルと、前記空間モデル候補に対応して各前記評価地点のそれぞれに対して計算された前記局所的モデル評価値からなる配列との内積を計算し、各前記空間モデル候補のうち、最も内積値の大きい空間モデル候補を選択する、空間モデル選択手段と、
を備え、前記選択した空間モデル候補に従って前記着目ノードを分岐するように前記決定木を拡張することを特徴とする。
前記空間データベースにおける前記他の属性と異なる属性の値によって前記事例を分割する条件を定めた複数の空間モデル候補を格納する空間モデル候補格納手段から前記複数の空間モデル候補を読み出すステップと、
前記空間モデル候補の局所的な好ましさを評価するための複数の評価地点の位置情報を格納する評価地点格納手段から前記複数の評価地点を読み出すステップと、
前記複数の空間モデル候補のそれぞれに従って前記決定木の末端ノードのうちの1つである着目ノードに分類される事例群を分割することにより複数の事例組を含む分割空間データを前記空間モデル候補毎に取得する空間データ分割ステップと、
前記着目ノードに分類される事例群における前記他の属性の値の、前記着目ノードに割り当てられた前記他の属性の値に対するGini統計量、情報量または最小自乗誤差であるモデル誤差を計算するとともに、前記複数の空間モデル候補のそれぞれから得られた前記複数の事例組のそれぞれ毎に前記事例組における前記他の属性の値の、前記着目ノードに割り当てられた前記他の属性の値に対する、Gini統計量、情報量または最小自乗誤差であるモデル誤差を算出するモデル誤差算出ステップと、
前記複数の空間モデル候補のそれぞれから得られた前記複数の事例組のそれぞれ毎に、各前記評価地点のそれぞれに対する点密度を、各前記評価地点の位置と、前記事例組に含まれる事例の位置とから算出する分割点密度算出ステップと、
前記空間モデル候補のうちの1つと前記評価地点のうちの1つとの組合せ毎に、
前記着目ノードに分類される事例群に対して算出された前記モデル誤差と、
前記空間モデル候補のうちの前記1つから得られた前記複数の事例組について前記評価地点のうちの前記1つに対して算出された各前記点密度の、前記複数の事例組に対して算出された各前記モデル誤差による重み付け合計と、
の差分を計算することにより、局所的モデル評価値を計算するモデル評価ステップと、
各前記評価地点の重要度をそれぞれ表す地点重みを格納する地点重み格納手段から各前記評価地点の前記地点重みを読み出すステップと、
前記空間モデル候補毎に、各前記評価地点のそれぞれの前記地点重みからなるベクトルと、前記空間モデル候補に対応して各前記評価地点のそれぞれに対して計算された前記局所的モデル評価値からなる配列との内積を計算し、各前記空間モデル候補のうち、最も内積値の大きい空間モデル候補を選択する空間モデル選択ステップと、
を備え、前記選択した空間モデル候補に従って前記着目ノードを分岐するように前記決定木を拡張することを特徴とすることを特徴とする。
前記空間データベースにおける前記他の属性と異なる属性の値によって前記事例を分割する条件を定めた複数の空間モデル候補を格納する空間モデル候補格納手段から前記複数の空間モデル候補を読み出すステップと、
前記空間モデル候補の局所的な好ましさを評価するための複数の評価地点の位置情報を格納する評価地点格納手段から前記複数の評価地点を読み出すステップと、
前記複数の空間モデル候補のそれぞれに従って前記決定木の末端ノードのうちの1つである着目ノードに分類される事例群を分割することにより複数の事例組を含む分割空間データを前記空間モデル候補毎に取得する空間データ分割ステップと、
前記着目ノードに分類される事例群における前記他の属性の値の、前記着目ノードに割り当てられた前記他の属性の値に対するGini統計量、情報量または最小自乗誤差であるモデル誤差を計算するとともに、前記複数の空間モデル候補のそれぞれから得られた前記複数の事例組のそれぞれ毎に前記事例組における前記他の属性の値の、前記着目ノードに割り当てられた前記他の属性の値に対する、Gini統計量、情報量または最小自乗誤差であるモデル誤差を算出するモデル誤差算出ステップと、
前記複数の空間モデル候補のそれぞれから得られた前記複数の事例組のそれぞれ毎に、各前記評価地点のそれぞれに対する点密度を、各前記評価地点の位置と、前記事例組に含まれる事例の位置とから算出する分割点密度算出ステップと、
前記空間モデル候補のうちの1つと前記評価地点のうちの1つとの組合せ毎に、
前記着目ノードに分類される事例群に対して算出された前記モデル誤差と、
前記空間モデル候補のうちの前記1つから得られた前記複数の事例組について前記評価地点のうちの前記1つに対して算出された各前記点密度の、前記複数の事例組に対して算出された各前記モデル誤差による重み付け合計と、
の差分を計算することにより、局所的モデル評価値を計算するモデル評価ステップと、
各前記評価地点の重要度をそれぞれ表す地点重みを格納する地点重み格納手段から各前記評価地点の前記地点重みを読み出すステップと、
前記空間モデル候補毎に、各前記評価地点のそれぞれの前記地点重みからなるベクトルと、前記空間モデル候補に対応して各前記評価地点のそれぞれに対して計算された前記局所的モデル評価値からなる配列との内積を計算し、各前記空間モデル候補のうち、最も内積値の大きい空間モデル候補を選択する空間モデル選択ステップと、
を備え、前記選択した空間モデル候補に従って前記着目ノードを分岐するように前記決定木を拡張することを特徴とする。
{Gini(y(D))=0.49, Gini(y(D1))=0, Gini(y(D2))=0.444}
となる。ここで、y(D)は空間データDの予測変数のみを取り出す関数であり、Gini(y)は変数yのGini統計量を計算する関数である。図5における501のすべての条件について算出されたモデル誤差を図11に示す。
102 空間モデル候補格納手段
103 評価地点格納手段
104 局所的モデル評価手段
105 局所的モデル評価地格納手段
106 地点重み算出手段
107 地点重み格納手段
108 空間モデル選択手段
109 空間モデル格納手段
201 空間データベースの例
301 空間データベースの事例をプロットした例
401 決定木の拡張前の例
402 決定木の拡張後の例
501 空間モデル候補の例
601 一般的な空間モデル評価値の例
701 条件Iによる分割空間データの事例をプロットした例
702 条件Iによる分割境界線
801 条件IVによる分割空間データの事例をプロットした例
802 条件IVによる分割境界線
901 評価地点の例
1001 空間データ分割手段
1002 分割空間データ格納手段
1003 モデル誤差算出手段
1004 モデル誤差格納手段
1005 分割点密度算出手段
1006 分割点密度格納手段
1007 モデル評価手段
1101 モデル誤差の例
1201 分割点密度の例
1301 局所的モデル評価値の例
1401 地点重みの例
1501 空間モデル評価値の例
Claims (7)
- 位置情報と属性情報とを含む事例を複数集めた空間データベースに基づき、前記空間データベースのある属性の値から他の属性の値を予測する決定木を学習するための空間データマイニング装置であって、
前記空間データベースにおける前記他の属性と異なる属性の値によって前記事例を分割する条件を定めた複数の空間モデル候補を格納する空間モデル候補格納手段と、
前記空間モデル候補の局所的な好ましさを評価するための複数の評価地点の位置情報を格納する評価地点格納手段と、
前記複数の空間モデル候補のそれぞれに従って前記決定木の末端ノードのうちの1つである着目ノードに分類される事例群を分割することにより複数の事例組を含む分割空間データを前記空間モデル候補毎に取得する空間データ分割手段と、
前記着目ノードに分類される事例群における前記他の属性の値の、前記着目ノードに割り当てられた前記他の属性の値に対するGini統計量、情報量または最小自乗誤差であるモデル誤差を計算するとともに、前記複数の空間モデル候補のそれぞれから得られた前記複数の事例組のそれぞれ毎に前記事例組における前記他の属性の値の、前記着目ノードに割り当てられた前記他の属性の値に対する、Gini統計量、情報量または最小自乗誤差であるモデル誤差を算出するモデル誤差算出手段と、
前記複数の空間モデル候補のそれぞれから得られた前記複数の事例組のそれぞれ毎に、各前記評価地点のそれぞれに対する点密度を、各前記評価地点の位置と、前記事例組に含まれる事例の位置とから算出する分割点密度算出手段と、
前記空間モデル候補のうちの1つと前記評価地点のうちの1つとの組合せ毎に、
前記着目ノードに分類される事例群に対して算出された前記モデル誤差と、
前記空間モデル候補のうちの前記1つから得られた前記複数の事例組について前記評価地点のうちの前記1つに対して算出された各前記点密度の、前記複数の事例組に対して算出された各前記モデル誤差による重み付け合計と、
の差分を計算することにより、局所的モデル評価値を計算するモデル評価手段と、
を有する局所モデル評価手段と、
各前記評価地点の重要度をそれぞれ表す地点重みを格納する地点重み格納手段と、
前記空間モデル候補毎に、各前記評価地点のそれぞれの前記地点重みからなるベクトルと、前記空間モデル候補に対応して各前記評価地点のそれぞれに対して計算された前記局所的モデル評価値からなる配列との内積を計算し、各前記空間モデル候補のうち、最も内積値の大きい空間モデル候補を選択する、空間モデル選択手段と、
を備え、前記選択した空間モデル候補に従って前記着目ノードを分岐するように前記決定木を拡張することを特徴とする空間データマイニング装置。 - 前記空間データベースに含まれる事例群の各前記評価地点に対する点密度を、前記事例群の位置と、各前記評価地点の位置とから計算する地点重み算出手段をさらに備え、
前記地点重み格納手段は、前記地点重み算出手段により計算された各前記評価地点の点密度を、各前記評価地点の前記地点重みとして格納する、
ことを特徴とする請求項1に記載の空間データマイニング装置。 - 前記地点重み格納手段は、前記評価地点毎に、前記計算された点密度と、あらかじめ設定された点密度上限値とのうちの最小値を、前記地点重みとして格納する、
ことを特徴とする請求項2に記載の空間データマイニング装置。 - 前記モデル評価手段は、
前記組合せ毎に、前記複数の事例組に対して算出された点密度のばらつきを計算し、
前記組合せ毎に、前記差分に前記ばらつきを乗じることにより、前記局所的モデル評価値を計算する、
ことを特徴とする請求項1に記載の空間データマイニング装置。 - 前記分割点密度算出手段は、カーネル法により前記点密度を計算することを特徴とする請求項1ないし4のいずれか一項に記載の空間データマイニング装置。
- 位置情報と属性情報とを含む事例を複数集めた空間データベースに基づき、前記空間データベースのある属性の値から他の属性の値を予測する決定木を学習するための、コンピュータにおいて実行する空間データマイニング方法であって、
前記空間データベースにおける前記他の属性と異なる属性の値によって前記事例を分割する条件を定めた複数の空間モデル候補を格納する空間モデル候補格納手段から前記複数の空間モデル候補を読み出すステップと、
前記空間モデル候補の局所的な好ましさを評価するための複数の評価地点の位置情報を格納する評価地点格納手段から前記複数の評価地点を読み出すステップと、
前記複数の空間モデル候補のそれぞれに従って前記決定木の末端ノードのうちの1つである着目ノードに分類される事例群を分割することにより複数の事例組を含む分割空間データを前記空間モデル候補毎に取得する空間データ分割ステップと、
前記着目ノードに分類される事例群における前記他の属性の値の、前記着目ノードに割り当てられた前記他の属性の値に対するGini統計量、情報量または最小自乗誤差であるモデル誤差を計算するとともに、前記複数の空間モデル候補のそれぞれから得られた前記複数の事例組のそれぞれ毎に前記事例組における前記他の属性の値の、前記着目ノードに割り当てられた前記他の属性の値に対する、Gini統計量、情報量または最小自乗誤差であるモデル誤差を算出するモデル誤差算出ステップと、
前記複数の空間モデル候補のそれぞれから得られた前記複数の事例組のそれぞれ毎に、各前記評価地点のそれぞれに対する点密度を、各前記評価地点の位置と、前記事例組に含まれる事例の位置とから算出する分割点密度算出ステップと、
前記空間モデル候補のうちの1つと前記評価地点のうちの1つとの組合せ毎に、
前記着目ノードに分類される事例群に対して算出された前記モデル誤差と、
前記空間モデル候補のうちの前記1つから得られた前記複数の事例組について前記評価地点のうちの前記1つに対して算出された各前記点密度の、前記複数の事例組に対して算出された各前記モデル誤差による重み付け合計と、
の差分を計算することにより、局所的モデル評価値を計算するモデル評価ステップと、
各前記評価地点の重要度をそれぞれ表す地点重みを格納する地点重み格納手段から各前記評価地点の前記地点重みを読み出すステップと、
前記空間モデル候補毎に、各前記評価地点のそれぞれの前記地点重みからなるベクトルと、前記空間モデル候補に対応して各前記評価地点のそれぞれに対して計算された前記局所的モデル評価値からなる配列との内積を計算し、各前記空間モデル候補のうち、最も内積値の大きい空間モデル候補を選択する空間モデル選択ステップと、
を備え、前記選択した空間モデル候補に従って前記着目ノードを分岐するように前記決定木を拡張することを特徴とする空間データマイニング方法。 - 位置情報と属性情報とを含む事例を複数集めた空間データベースに基づき、前記空間データベースのある属性の値から他の属性の値を予測する決定木を学習するための、コンピュータに実行させるプログラムであって、
前記空間データベースにおける前記他の属性と異なる属性の値によって前記事例を分割する条件を定めた複数の空間モデル候補を格納する空間モデル候補格納手段から前記複数の空間モデル候補を読み出すステップと、
前記空間モデル候補の局所的な好ましさを評価するための複数の評価地点の位置情報を格納する評価地点格納手段から前記複数の評価地点を読み出すステップと、
前記複数の空間モデル候補のそれぞれに従って前記決定木の末端ノードのうちの1つである着目ノードに分類される事例群を分割することにより複数の事例組を含む分割空間データを前記空間モデル候補毎に取得する空間データ分割ステップと、
前記着目ノードに分類される事例群における前記他の属性の値の、前記着目ノードに割り当てられた前記他の属性の値に対するGini統計量、情報量または最小自乗誤差であるモデル誤差を計算するとともに、前記複数の空間モデル候補のそれぞれから得られた前記複数の事例組のそれぞれ毎に前記事例組における前記他の属性の値の、前記着目ノードに割り当てられた前記他の属性の値に対する、Gini統計量、情報量または最小自乗誤差であるモデル誤差を算出するモデル誤差算出ステップと、
前記複数の空間モデル候補のそれぞれから得られた前記複数の事例組のそれぞれ毎に、各前記評価地点のそれぞれに対する点密度を、各前記評価地点の位置と、前記事例組に含まれる事例の位置とから算出する分割点密度算出ステップと、
前記空間モデル候補のうちの1つと前記評価地点のうちの1つとの組合せ毎に、
前記着目ノードに分類される事例群に対して算出された前記モデル誤差と、
前記空間モデル候補のうちの前記1つから得られた前記複数の事例組について前記評価地点のうちの前記1つに対して算出された各前記点密度の、前記複数の事例組に対して算出された各前記モデル誤差による重み付け合計と、
の差分を計算することにより、局所的モデル評価値を計算するモデル評価ステップと、
各前記評価地点の重要度をそれぞれ表す地点重みを格納する地点重み格納手段から各前記評価地点の前記地点重みを読み出すステップと、
前記空間モデル候補毎に、各前記評価地点のそれぞれの前記地点重みからなるベクトルと、前記空間モデル候補に対応して各前記評価地点のそれぞれに対して計算された前記局所的モデル評価値からなる配列との内積を計算し、各前記空間モデル候補のうち、最も内積値の大きい空間モデル候補を選択する空間モデル選択ステップと、
を備え、前記選択した空間モデル候補に従って前記着目ノードを分岐するように前記決定木を拡張することを特徴とするプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005275649A JP4384105B2 (ja) | 2005-09-22 | 2005-09-22 | 空間データマイニング装置、方法およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005275649A JP4384105B2 (ja) | 2005-09-22 | 2005-09-22 | 空間データマイニング装置、方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2007087144A JP2007087144A (ja) | 2007-04-05 |
JP4384105B2 true JP4384105B2 (ja) | 2009-12-16 |
Family
ID=37974058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005275649A Expired - Fee Related JP4384105B2 (ja) | 2005-09-22 | 2005-09-22 | 空間データマイニング装置、方法およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4384105B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110287230B (zh) * | 2019-05-31 | 2021-03-16 | 武汉大学 | 一种大尺度区域国土空间监测并行处理方法 |
-
2005
- 2005-09-22 JP JP2005275649A patent/JP4384105B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2007087144A (ja) | 2007-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yost et al. | Predictive modeling and mapping sage grouse (Centrocercus urophasianus) nesting habitat using Maximum Entropy and a long-term dataset from Southern Oregon | |
Conroy et al. | Mapping of species richness for conservation of biological diversity: conceptual and methodological issues | |
Miller | Species distribution modeling | |
KR20170055953A (ko) | 동적 장면 분석 방법 및 관련 분석 모듈 그리고 컴퓨터 프로그램 | |
JP2011138487A (ja) | 空間−時間関係に基づく交通予測方法およびシステム | |
CN109598346A (zh) | 用于估计观测变量之间的因果关系的方法、装置和系统 | |
US11676375B2 (en) | System and process for integrative computational soil mapping | |
Nikolić et al. | Implementation of generic algorithm in map-matching model | |
CN113865589B (zh) | 一种基于地形坡度的长距离快速路径规划方法 | |
Bununu | Integration of Markov chain analysis and similarity-weighted instance-based machine learning algorithm (SimWeight) to simulate urban expansion | |
CN113723715A (zh) | 公交线网自动匹配道路网络方法、系统、设备及存储介质 | |
US20240200973A1 (en) | Method, data processing apparatus and computer program product for generating map data | |
Manna et al. | Modeling and predicting spatio-temporal land use land cover changes and urban sprawling in Kalaburagi City Corporation, Karnataka, India: a geospatial analysis | |
Cherlinka | Using geostatistics, DEM and remote sensing to clarify soil cover maps of Ukraine | |
CN111080080B (zh) | 一种村镇地质灾害风险预估方法及系统 | |
JP4384105B2 (ja) | 空間データマイニング装置、方法およびプログラム | |
CN115691140B (zh) | 一种汽车充电需求时空分布的分析与预测方法 | |
KR101469136B1 (ko) | 의사결정트리에서 공간 예측을 위한 리프노드 등급 결정 방법 및 이를 기록한 기록매체 | |
Muhamad Ali et al. | Selection of variogram model for spatial rainfall mapping using Analytical Hierarchy Procedure (AHP) | |
Rivero et al. | Tapirs in trouble: estimating Baird's tapir densities in the Sierra Madre de Chiapas, Mexico | |
Jardón et al. | Spatial Markov chains implemented in GIS | |
CN107801418A (zh) | 利用地图检索记录的流动人口推算装置及方法 | |
Pavlis et al. | Retail areas and their catchments | |
Karimi et al. | Origin-Destination Matrix Estimation Using Socio-Economic Information and Traffic Counts on Uncongested Networks | |
Daoudi et al. | Robust coverage optimization approach in Wireless Sensor Networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090616 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090806 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20090904 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090924 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121002 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121002 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131002 Year of fee payment: 4 |
|
LAPS | Cancellation because of no payment of annual fees |