Descripteur
Termes IGN > mathématiques > statistique mathématique > analyse de données
analyse de donnéesSynonyme(s)analyse statistique analyse des donnéesVoir aussi |
Documents disponibles dans cette catégorie (2640)
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
Etendre la recherche sur niveau(x) vers le bas
Towards synthetic sensing for smart cities : a machine/deep learning-based approach / Faraz Malik Awan (2022)
![]()
Titre : Towards synthetic sensing for smart cities : a machine/deep learning-based approach Type de document : Thèse/HDR Auteurs : Faraz Malik Awan, Auteur ; Noël Crespi, Directeur de thèse ; Roberto Minerva, Directeur de thèse Editeur : Courcouronnes : Télécom SudParis Année de publication : 2022 Importance : 106 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de doctorat de l’Institut Polytechnique de Paris préparée à Telecom SudParis, Spécialité InformatiqueLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] analyse comparative
[Termes IGN] apprentissage automatique
[Termes IGN] apprentissage profond
[Termes IGN] classification par arbre de décision
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par Perceptron multicouche
[Termes IGN] Espagne
[Termes IGN] parking
[Termes IGN] plus proche voisin, algorithme du
[Termes IGN] pollution acoustique
[Termes IGN] pollution atmosphérique
[Termes IGN] réseau neuronal récurrent
[Termes IGN] système de transport intelligent
[Termes IGN] trafic routier
[Termes IGN] ville intelligenteIndex. décimale : THESE Thèses et HDR Résumé : (auteur) We worked on one of the most significant research directions in Smart City, i.e., Intelligent Transportation System (ITS). ITS encapsulates several domains, such as electronic vehicles notification systems, traffic information, smart parking, and environment. However, in this thesis, we target two of its important domains; i) Smart Parking, and ii) Road Traffic. We started our research with Smart Parking use case. Performing literature review, we realized that different Machine Learning (ML) and Deep Learning (DL) approaches have been used for smart parking solutions. In most of these proposed approaches, enclosed parking areas were targeted with different feature sets to predict the "occupancy rate" in parking areas. It inspired us to conduct a comparative analysis to answer following questions; Given the parking prediction use case, how do the traditional ML models perform as compared to complex DL models? Provided big data, can less complex, traditional ML models outperform complex DL models? How well these models can perform to predict the availability of the individual on-street parking spots rather than predicting the overall occupancy rate of an enclosed parking area. To answer these questions, we choose five well-known classical ML algorithms (K-Nearest Neighbours, Random Forest, Decision Tree) and DL algorithm (Multilayer Perceptron). To take our investigation into depth, we train Ensemble Learning Model, in which we combine all the above-mentioned ML and DL models. A huge parking dataset of city of Santander, Spain, has been used which consists of around 25 million records. We also propose to recommend available parking spots based on the current location of the driver. Moving forward with our research goals, we performed literature review on road traffic and found road traffic associated with air pollution and noise pollution often. However, to the best of our knowledge, air pollution & noise pollution have never been use d in traffic prediction problem. In this part of our research, firstly we used air pollution (CO, NO, NO2, NOx, and O3) along with the atmospheric variables, such as wind speed, wind direction, temperature, and pressure to improve the traffic forecasting in the city of Madrid. This successful experiment motivated us to extend our investigation to another factor, which is also strongly correlated with road traffic i.e., noise pollution. Hence, as an extension of our previous work, in this part of our research, we use noise pollution to improve the traffic prediction in the city of Madrid. Note de contenu : 1- Introduction
2- Parking space prediction using classical ML and deep learning models
3- Road traffic prediction improvement using air pollution and atmospheric data
4- Using noise pollution to improve traffic prediction
5- Conclusion and future workNuméro de notice : 20025 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE/URBANISME Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Telecom SudParis : 2022 Organisme de stage : SAMOVAR DOI : sans En ligne : https://tel.hal.science/tel-03722891/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101825 Towards urban flood susceptibility mapping using data-driven models in Berlin, Germany / Omar Seleem in Geomatics, Natural Hazards and Risk, vol 13 (2022)
![]()
[article]
Titre : Towards urban flood susceptibility mapping using data-driven models in Berlin, Germany Type de document : Article/Communication Auteurs : Omar Seleem, Auteur ; Georgy Ayzel, Auteur Année de publication : 2022 Article en page(s) : pp 1640 - 1662 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] Berlin
[Termes IGN] cartographie des risques
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] inondation
[Termes IGN] pouvoir de résolution géométrique
[Termes IGN] vulnérabilitéRésumé : (auteur) Identifying urban pluvial flood-prone areas is necessary but the application of two-dimensional hydrodynamic models is limited to small areas. Data-driven models have been showing their ability to map flood susceptibility but their application in urban pluvial flooding is still rare. A flood inventory (4333 flooded locations) and 11 factors which potentially indicate an increased hazard for pluvial flooding were used to implement convolutional neural network (CNN), artificial neural network (ANN), random forest (RF) and support vector machine (SVM) to: (1) Map flood susceptibility in Berlin at 30, 10, 5, and 2 m spatial resolutions. (2) Evaluate the trained models' transferability in space. (3) Estimate the most useful factors for flood susceptibility mapping. The models' performance was validated using the Kappa, and the area under the receiver operating characteristic curve (AUC). The results indicated that all models perform very well (minimum AUC = 0.87 for the testing dataset). The RF models outperformed all other models at all spatial resolutions and the RF model at 2 m spatial resolution was superior for the present flood inventory and predictor variables. The majority of the models had a moderate performance for predictions outside the training area based on Kappa evaluation (minimum AUC = 0.8). Aspect and altitude were the most influencing factors on the image-based and point-based models respectively. Data-driven models can be a reliable tool for urban pluvial flood susceptibility mapping wherever a reliable flood inventory is available. Numéro de notice : A2022-457 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE Nature : Article DOI : 10.1080/19475705.2022.2097131 Date de publication en ligne : 12/07/2022 En ligne : https://doi.org/10.1080/19475705.2022.2097131 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101257
in Geomatics, Natural Hazards and Risk > vol 13 (2022) . - pp 1640 - 1662[article]
Titre : Traitement possibiliste d'images, application au recalage d'images Type de document : Thèse/HDR Auteurs : Wissal Ben Markouza, Auteur ; Basel Solaiman, Directeur de thèse ; Khaled Bsaïes, Directeur de thèse Editeur : Institut Mines-Télécom Atlantique IMT Atlantique Année de publication : 2022 Importance : 151 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse de Doctorat de l'Ecole Nationale Supérieure Mines-Télécom Atlantique, Spécialité Signal, image, visionLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] appariement d'images
[Termes IGN] classification dirigée
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] information sémantique
[Termes IGN] niveau de gris (image)
[Termes IGN] optimisation (mathématiques)
[Termes IGN] recalage d'image
[Termes IGN] sous ensemble flou
[Termes IGN] théorie des possibilitésIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Dans ce travail, nous proposons un système de recalage géométrique possibiliste qui fusionne les connaissances sémantiques et les connaissances au niveau du gris des images à recaler. Les méthodes de recalage géométrique existantes se reposent sur une analyse des connaissances au niveau des capteurs lors de la détection des primitives ainsi que lors de la mise en correspondance. L'évaluation des résultats de ces méthodes de recalage géométrique présente des limites au niveau de la perfection de la précision causées par le nombre important de faux amers. L’idée principale de notre approche proposée est de transformer les deux images à recaler en un ensemble de projections issues des images originales (source et cible). Cet ensemble est composé des images nommées « cartes de possibilité », dont chaque carte comporte un seul contenu et présente une distribution possibiliste d’une classe sémantique des deux images originales. Le système de recalage géométrique basé sur la théorie de possibilités proposé présente deux contextes : un contexte supervisé et un contexte non supervisé. Pour le premier cas de figure nous proposons une méthode de classification supervisée basée sur la théorie des possibilités utilisant les modèles d'apprentissage. Pour le contexte non supervisé, nous proposons une méthode de clustering possibiliste utilisant la méthode FCM-multicentroide. Les deux méthodes proposées fournissent en résultat les ensembles de classes sémantiques des deux images à recaler. Nous créons par la suite, les bases de connaissances pour le système de recalage possibiliste proposé. Nous avons amélioré la qualité du recalage géométrique existant en termes de perfection de précision, de diminution du nombre de faux amers et d'optimisation de la complexité temporelle. Note de contenu : Introduction générale
1- Etat de l'art
2- Recalage d'images : approche géométrique
3- estimation des distributions des possibilités pour le recalage géométrique
4- Systeme de recalage possibiliste
5- Expérimentation et évaluation du système de recalage possibiliste
Conclusions et perspectivesNuméro de notice : 24088 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Signal, image, vision : Mines-Télécom Atlantique : 2022 Organisme de stage : Laboratoire de Traitement de l'Information Medicale DOI : sans En ligne : https://theses.hal.science/tel-03917545 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102480 Unsupervised generative models for data analysis and explainable artificial intelligence / Mohanad Abukmeil (2022)
![]()
Titre : Unsupervised generative models for data analysis and explainable artificial intelligence Type de document : Thèse/HDR Auteurs : Mohanad Abukmeil, Auteur ; Vincenzo Piuri, Directeur de thèse Editeur : Milan [Italie] : Università di Milano Année de publication : 2022 Importance : 194 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat spécialité Informatique, Université de MilanLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] allocation de Dirichlet latente
[Termes IGN] analyse en composantes indépendantes
[Termes IGN] analyse en composantes principales
[Termes IGN] apprentissage automatique
[Termes IGN] apprentissage non-dirigé
[Termes IGN] modèle stochastique
[Termes IGN] navigation autonome
[Termes IGN] reconstruction d'image
[Termes IGN] réseau antagoniste génératif
[Termes IGN] séparation aveugle de sourceRésumé : (auteur) For more than a century, the methods of learning representation and the exploration of the intrinsic structures of data have developed remarkably and currently include supervised, semi-supervised, and unsupervised methods. However, recent years have witnessed the flourishing of big data, where typical dataset dimensions are high, and the data can come in messy, missing, incomplete, unlabeled, or corrupted forms. Consequently, discovering and learning the hidden structure buried inside such data becomes highly challenging. From this perspective, latent data analysis and dimensionality reduction play a substantial role in decomposing the exploratory factors and learning the hidden structures of data, which encompasses the significant features that characterize the categories and trends among data samples in an ordered manner. That is by extracting patterns, differentiating trends, and testing hypotheses to identify anomalies, learning compact knowledge, and performing many different machine learning (ML) tasks such as classification, detection, and prediction. Unsupervised generative learning (UGL) methods are a class of ML characterized by their possibility of analyzing and decomposing latent data, reducing dimensionality, visualizing the manifold of data, and learning representations with limited levels of predefined labels and prior assumptions. Furthermore, explainable artificial intelligence (XAI) is an emerging field of ML that deals with explaining the decisions and behaviors of learned models. XAI is also associated with UGL models to explain the hidden structure of data, and to explain the learned representations of ML models. However, the current UGL models lack large-scale generalizability and explainability in the testing stage, which leads to restricting their potential in ML and XAI applications. To overcome the aforementioned limitations, this thesis proposes innovative methods that integrate UGL and XAI to enable data factorization and dimensionality reduction to improve the generalizability of the learned ML models. Moreover, the proposed methods enable visual explainability in modern applications as anomaly detection and autonomous driving systems. The main research contributions are listed as follows:
* A novel overview of UGL models including blind source separation (BSS), manifold learning (MfL), and neural networks (NNs). Also, the overview considers open issues and challenges among each UGL method.
* An innovative method to identify the dimensions of the compact feature space via a generalized rank in the application of image dimensionality reduction.
* An innovative method to hierarchically reduce and visualize the manifold of data to improve the generalizability in limited data learning scenarios, and computational complexity reduction applications.
* An original method to visually explain autoencoders by reconstructing an attention map in the application of anomaly detection and explainable autonomous driving systems.
The novel methods introduced in this thesis are benchmarked on publicly available datasets, and they outperformed the state-of-the-art methods considering different evaluation metrics. Furthermore, superior results were obtained with respect to the state-of-the-art to confirm the feasibility of the proposed methodologies concerning the computational complexity, availability of learning data, model explainability, and high data reconstruction accuracy.Note de contenu : 1- Introduction
2- State of the art of unsupervised generative learning (UGL) models
3- Research challenges and open issues of UGL models
4- UGL models for dimensionality reduction and XAI
5- Conclusion and future worksNuméro de notice : 15307 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Thèse étrangère Note de thèse : Thèse de doctorat : Informatique : Milan : 2022 DOI : 10.13130/abukmeil-mohanad_phd2022-01-24 En ligne : http://dx.doi.org/10.13130/abukmeil-mohanad_phd2022-01-24 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99965
Titre : Variations de volume des lacs pour l'analyse climatique : Améliorer la connaissance de la quantité d’eau des lacs et leur variation à partir de données satellitaires Type de document : Mémoire Auteurs : Iris Lucas, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2022 Importance : 67 p. Format : 21 x 30 cm Note générale : bibliographie
Rapport de fin d'étude, cycle des Ingénieurs diplômés de l’ENSG 3ème année, Spécialité PPMDLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] bassin hydrographique
[Termes IGN] Canada
[Termes IGN] carte hypsométrique
[Termes IGN] Champagne (province, comté)
[Termes IGN] données altimétriques
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] image Landsat-8
[Termes IGN] image radar moirée
[Termes IGN] image Sentinel-MSI
[Termes IGN] lac
[Termes IGN] méthode robuste
[Termes IGN] modèle de Gauss-Helmert
[Termes IGN] Ransac (algorithme)
[Termes IGN] régression
[Termes IGN] variation temporelle
[Termes IGN] volume d'eauIndex. décimale : MPPMD Mémoires du mastère spécialisé Photogrammétrie, Positionnement et Mesures de Déformation Résumé : (auteur) La ressource en eau douce est limitée, son étude fait partie des axes majeurs des études environnementales. C’est au sein de la cellule hydrologie continentale de CLS, pour le compte d’Apside que je me suis penchée sur cette question, appliquant les savoirs acquis en géomatique durant mes années à l’ENSG. L’objectif de ce stage est d’améliorer la connaissance de la quantité d’eau des lacs et leur variation à partir de données satellitaires. Ce savoir pourra être appliqué dans divers projets sur l’étude des lacs à CLS. Etudier les variations de volume nécessite l’utilisation de surfaces d’eau que l’on peut extraire par imagerie satellitaire (Sentinel-2, Landsat-8) et hauteurs d’eau provenant de satellites altimétriques (accessibles sur la plateforme Hydroweb). Pour ce faire, j’ai développé un algorithme d’extraction de surfaces d’eau par télédétection optique, puis développé une méthode d’estimation robuste pour dégager une courbe hypsométrique. Grâce à cette courbe, j’ai pu déterminer des variations de volumes pour divers bassins. Ce rapport détaille le processus développé, la méthodologie suivie et les éventuelles pistes d’amélioration possibles. Note de contenu :
1- Introduction
2- Extraire les données de surfaces d’eau
3- Extraire le profil des lacs : la courbe hypsométrique
4- Dernière étape de la chaine : génération des variations de volume
5- ConclusionNuméro de notice : 24053 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de fin d'études IT Organisme de stage : Apside Toulouse Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101951 Documents numériques
en open access
Variations de volume... - pdf auteur -Adobe Acrobat PDFApplication of a hand-held LiDAR scanner for the urban cadastral detail survey in digitized cadastral area of Taiwan urban city / Shih-Hong Chio in Remote sensing, vol 13 n° 24 (December-2 2021)
PermalinkEfficient occluded road extraction from high-resolution remote sensing imagery / Dejun Feng in Remote sensing, vol 13 n° 24 (December-2 2021)
PermalinkAutomatic extraction of indoor spatial information from floor plan image: A patch-based deep learning methodology application on large-scale complex buildings / Hyunjung Kim in ISPRS International journal of geo-information, vol 10 n° 12 (December 2021)
PermalinkBuilding detection with convolutional networks trained with transfer learning / Simon Šanca in Geodetski vestnik, vol 65 n° 4 (December 2021 - February 2022)
PermalinkA comparative approach of support vector machine kernel functions for GIS-based landslide susceptibility mapping / Khalil Valizadeh Kamran in Applied geomatics, vol 13 n° 4 (December 2021)
PermalinkDeep learning for toponym resolution: Geocoding based on pairs of toponyms / Jacques Fize in ISPRS International journal of geo-information, vol 10 n° 12 (December 2021)
PermalinkDiResNet: Direction-aware residual network for road extraction in VHR remote sensing images / Lei Ding in IEEE Transactions on geoscience and remote sensing, vol 59 n° 12 (December 2021)
PermalinkEarly detection of spruce vitality loss with hyperspectral data: Results of an experimental study in Bavaria, Germany / Kathrin Einzmann in Remote sensing of environment, vol 266 (December 2021)
PermalinkEstimation of individual tree stem biomass in an uneven-aged structured coniferous forest using multispectral LiDAR data / Nikos Georgopoulos in Remote sensing, vol 13 n° 23 (December-1 2021)
PermalinkFast estimation for robust supervised classification with mixture models / Erwan Giry Fouquet in Pattern recognition letters, vol 152 (December 2021)
Permalink