Centre de documentation
scientifique

Mapping of environmental data using kernel-based methods / Mikhail Kanevski in Revue internationale de géomatique, vol 17 n° 3-4 (septembre 2007 – février 2008)  

Public [article]  inRevue internationale de géomatique > vol 17 n° 3-4 (septembre 2007 – février 2008) . - pp 309 - 331 Titre : Mapping of environmental data using kernel-based methods Type de document : Article/Communication Auteurs : Mikhail Kanevski, Auteur ; A. Pozdnoukhov, Auteur ; V. Timonin, Auteur ; M. Maignan, Auteur Année de publication : 2007 Article en page(s) : pp 309 - 331 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] analyse spatiale [Termes IGN] apprentissage automatique [Termes IGN] cartographie écologique [Termes IGN] données localisées [Termes IGN] méthode fondée sur le noyau [Termes IGN] réseau neuronal artificiel [Termes IGN] surveillance écologique Résumé : (Auteur) Ces dernières années, les méthodes d’apprentissage machine (machine learning) ont connu une grande popularité dans plusieurs domaines d’application comme, sans être exhaustifs, la reconnaissance vocale, la vision par ordinateur ou la télédétection. Ce papier est une revue d’applications de méthodes à noyau (aussi appelées kernel methods) pour l’analyse de données environnementales. Plusieurs études sont présentées : la classification de données catégorielles (types de sol), la cartographie de la pollution (contamination des sols par les radionucléides) et l’intégration d’information auxiliaire à des modèles purement spatiaux (modélisation de la température dans la région de la mer d’Aral). D’autres applications novatrices, comme la cartographie automatique des phénomènes extrêmes ou l’optimisation des réseaux de monitoring, sont également discutées. Copyright Lavoisier Numéro de notice : A2007-594 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.3166/geo.17.309-331 En ligne : https://doi.org/10.3166/geo.17.309-331 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=28957 [article]

Exemplaires(2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
047-07031	RAB	Revue	Centre de documentation	En réserve L003	Disponible
047-07032	RAB	Revue	Centre de documentation	En réserve L003	Disponible