Centre de documentation
scientifique

Artificial neural networks in geospatial analysis / Sucharita Gopal (2017)  

Public Titre : Artificial neural networks in geospatial analysis Type de document : Chapitre/Contribution Auteurs : Sucharita Gopal, Auteur Editeur : New York, Londres, Hoboken (New Jersey), ... : John Wiley & Sons Année de publication : 2017 Importance : 7 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] apprentissage dirigé [Termes IGN] apprentissage non-dirigé [Termes IGN] apprentissage semi-dirigé [Termes IGN] carte de Kohonen [Termes IGN] Perceptron multicouche [Termes IGN] réseau neuronal artificiel Résumé : (Auteur) [introduction] Artificial neural networks (ANN) are computational models inspired by and designed to simulate biological nervous systems that are capable of performing specific information-processing tasks such as data classification and pattern recognition. ANN seeks to replicate the massively parallel nature of a biological neural network. A neural network is a system composed of many simple processing nodes whose function is determined by network structure and connection strengths. Numéro de notice : H2017-023 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE Nature : Chapître / contribution Date de publication en ligne : 23/02/2016 En ligne : https://doi.org/10.1002/9781118786352.wbieg0322 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90378

Uncertainty and confidence in land cover classification using a hybrid classifier approach / W. Liu in Photogrammetric Engineering & Remote Sensing, PERS, vol 70 n° 8 (August 2004)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 70 n° 8 (August 2004) . - pp 963 - 971 Titre : Uncertainty and confidence in land cover classification using a hybrid classifier approach Type de document : Article/Communication Auteurs : W. Liu, Auteur ; Sucharita Gopal, Auteur ; Curtis E. Woodcock, Auteur Année de publication : 2004 Article en page(s) : pp 963 - 971 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes IGN] Amérique du nord [Termes IGN] classification hybride [Termes IGN] classification par arbre de décision [Termes IGN] classification par réseau neuronal [Termes IGN] image NOAA-AVHRR [Termes IGN] incertitude des données [Termes IGN] occupation du sol Résumé : (Auteur) Traditional methods of land cover classification and mapping are limited in providing spatial data on the uncertainty of map labels. In this paper, we present a hybrid classifier approach using Decision Tree (DT) and ARTMAP neural network to providing confidence or uncertainty information via majority voting and other rules. The hybrid classifier is tested with AVHRR data to mapping land cover of North America. The two classifiers (DT and ARTMAP) tend to make predictive errors in different contexts. They show 68% agreement in classifying land cover of North America. A set of rules is developed to assign class labels for pixels where the two classifiers disagree. Levels of confidence in the hybrid classification derived from their individual voting (ARTmAP) and probability (DT) are used to assign confidence. The approach outlined in this paper produces two products a hybrid classification map as well as a confidence map based on the two classification schemes. The hybrid approach seems suitable to tackle a variety of classification problems in remote sensing and may ultimately aid map users in making more informed decisions. Numéro de notice : A2004-309 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.14358/PERS.70.8.963 En ligne : https://doi.org/10.14358/PERS.70.8.963 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=26836 [article]

Fuzzy set theory and thematic maps: accuracy assessment and area estimation / Curtis E. Woodcock in International journal of geographical information science IJGIS, vol 14 n° 2 (march 2000)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 14 n° 2 (march 2000) . - pp 153 - 172 Titre : Fuzzy set theory and thematic maps: accuracy assessment and area estimation Type de document : Article/Communication Auteurs : Curtis E. Woodcock, Auteur ; Sucharita Gopal, Auteur Année de publication : 2000 Article en page(s) : pp 153 - 172 Note générale : Bibliographie 1 page Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Systèmes d'information géographique [Termes IGN] carte de la végétation [Termes IGN] Etats-Unis [Termes IGN] forêt [Termes IGN] précision [Termes IGN] sous ensemble flou Résumé : (Auteur) Traditionally, the classes in thematic maps have been treated as crisp sets, using classical set theory. In this formulation, map classes are assumed to be mutually exclusive and exhaustive. This approach limits the ability of thematic maps to represent the continuum of variation found in most landscapes. Substitution of fuzzy sets allows more flexibility for treatment of map classes in the areas of accuracy assessment and area estimation. Accuracy assessment methods based on fuzzy sets allow consideration of the magnitude of errors and assessment of the frequency of ambiguity in map classes. An example of an accuracy assessment from a vegetation map of the Plumas National Forest illustrates the implementation of these methods. Area estimation based on fuzzy sets and using accuracy assessment data allows estimation of the area of classes as a function of levels of class membership. The fuzzy area estimation methods are an extension of previous methods presented by Card (1982). One interesting result is that the sum of the areas of the classes in a map need not be unity. This approach allows a wider range of queries within a GIS. Numéro de notice : A2000-237 Affiliation des auteurs : non IGN Thématique : FORET/GEOMATIQUE/INFORMATIQUE Nature : Article DOI : 10.1080/136588100240895 En ligne : https://doi.org/10.1080/136588100240895 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=21652 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
079-00021	RAB	Revue	Centre de documentation	En réserve L003	Disponible

Accuracy of spatial databases / Michael F. Goodchild (1989)

Public Titre : Accuracy of spatial databases Type de document : Monographie Auteurs : Michael F. Goodchild, Éditeur scientifique ; Sucharita Gopal, Éditeur scientifique Editeur : Londres : Taylor & Francis Année de publication : 1989 Importance : 290 p. Format : 17 x 26 cm ISBN/ISSN/EAN : 978-0-85066-847-6 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes IGN] analyse spatiale [Termes IGN] base de données localisées [Termes IGN] erreur systématique [Termes IGN] fiabilité des données [Termes IGN] incertitude de position [Termes IGN] incertitude des données [Termes IGN] indicatrice de Tissot [Termes IGN] inférence statistique [Termes IGN] précision des données [Termes IGN] qualité des données [Termes IGN] système d'information géographique Numéro de notice : 60122 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE Nature : Recueil / ouvrage collectif Accessibilité hors numérique : Non accessible via le SUDOC Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=44145