Centre de documentation
scientifique

Amalgamation in cartographic generalization using Kohonen's feature nets / M.K. Allouche in International journal of geographical information science IJGIS, vol 19 n° 8 - 9 (september 2005)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 19 n° 8 - 9 (september 2005) . - pp 899 - 914 Titre : Amalgamation in cartographic generalization using Kohonen's feature nets Type de document : Article/Communication Auteurs : M.K. Allouche, Auteur ; Bruno Moulin, Auteur Année de publication : 2005 Article en page(s) : pp 899 - 914 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] carte de Kohonen [Termes IGN] déformation géométrique [Termes IGN] densité des points [Termes IGN] données multiéchelles [Termes IGN] généralisation cartographique automatisée [Termes IGN] reconnaissance de formes [Termes IGN] représentation multiple [Termes IGN] triangulation de Delaunay [Vedettes matières IGN] Généralisation Résumé : (Auteur) Empirical observations of the way cartographers deal with generalization problems lead to the hypothesis that they first detect patterns of anomalies in the cartographic data set and then eliminate anomalies by transforming the data. Automatically identifying patterns of anomalies on the map is a difficult task when using GIS functions or traditional algorithmic approaches. Techniques based on the use of neural networks have been widely used in artificial intelligence in order to solve pattern-recognition problems. In this paper, we explore how Kohonen-type neural networks can be used to deal with map generalization applications in which the main problem is to identify high-density regions that include cartographic elements of the same type. We also propose an algorithm to replace cartographic elements located in a region by its surrounding polygon. The use of this type of neural network permitted us to generate different levels of grouping according to the chosen zoom-scale on the map. These levels correspond to a multiple representation of the generalized cartographic elements. As an illustration, we apply our approach to the automatic replacement of a group of houses represented as a set of very close points in the original data set, by a polygon representing the corresponding urban area in the generalized map. Numéro de notice : A2005-406 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1080/13658810500161211 En ligne : https://doi.org/10.1080/13658810500161211 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=27542 [article]

Exemplaires(2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
079-05081	RAB	Revue	Centre de documentation	En réserve L003	Disponible
079-05082	RAB	Revue	Centre de documentation	En réserve L003	Disponible

Reconnaissance de patterns par réseaux de neurones / M.K. Allouche in Revue internationale de géomatique, vol 11 n° 2 (juin - aout 2001)  

Public [article]  inRevue internationale de géomatique > vol 11 n° 2 (juin - aout 2001) . - pp 251 - 279 Titre : Reconnaissance de patterns par réseaux de neurones Type de document : Article/Communication Auteurs : M.K. Allouche, Auteur ; Bruno Moulin, Auteur Année de publication : 2001 Article en page(s) : pp 251 - 279 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Rédaction cartographique [Termes IGN] classification par réseau neuronal [Termes IGN] généralisation cartographique automatisée [Termes IGN] lisibilité optique [Termes IGN] qualité géométrique (image) [Termes IGN] reconnaissance de formes [Termes IGN] vision Résumé : (Auteur) La sélection des phénomènes à représenter pour préserver la lisibilité de la carte est l'une des opérations les plus difficiles en généralisation cartographique. Cette sélection met en jeu des habilités cognitives telles que la perception et la reconnaissance de phénomènes. L'évolution permanente des techniques actuelles de production de cartes requiert de plus en plus une automatisation de ce processus de généralisation. Les approches classiques de généralisation étant basées essentiellement sur des techniques de transformations géométriques appliquées aux objets cartographiques, nous nous sommes tournés vers une approche par réseaux de neurones. Dans cette approche, nous utilisons la méthode LVQ pour localiser automatiquement sur une carte les zones denses contenant des objets cartographiques de même type (maisons, lacs, etc.). Numéro de notice : A2001-152 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : sans En ligne : https://archives-rig.revuesonline.com/article.jsp?articleId=465 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=21847 [article]

Exemplaires(2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
047-01021	RAB	Revue	Centre de documentation	En réserve L003	Disponible
047-01022	RAB	Revue	Centre de documentation	En réserve L003	Disponible