Centre de documentation
scientifique

STICC: a multivariate spatial clustering method for repeated geographic pattern discovery with consideration of spatial contiguity / Yuhao Kang in International journal of geographical information science IJGIS, vol 36 n° 8 (August 2022)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 36 n° 8 (August 2022) . - pp 1518 - 1549 Titre : STICC: a multivariate spatial clustering method for repeated geographic pattern discovery with consideration of spatial contiguity Type de document : Article/Communication Auteurs : Yuhao Kang, Auteur ; Kunlin Wu, Auteur ; Song Gao, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 1518 - 1549 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] analyse de groupement [Termes IGN] analyse multivariée [Termes IGN] champ aléatoire de Markov [Termes IGN] distribution spatiale [Termes IGN] matrice de covariance [Termes IGN] matrice de Toeplitz [Termes IGN] motif séquentiel [Termes IGN] régionalisation (segmentation) Résumé : (auteur) Spatial clustering has been widely used for spatial data mining and knowledge discovery. An ideal multivariate spatial clustering should consider both spatial contiguity and aspatial attributes. Existing spatial clustering approaches may face challenges for discovering repeated geographic patterns with spatial contiguity maintained. In this paper, we propose a Spatial Toeplitz Inverse Covariance-Based Clustering (STICC) method that considers both attributes and spatial relationships of geographic objects for multivariate spatial clustering. A subregion is created for each geographic object serving as the basic unit when performing clustering. A Markov random field is then constructed to characterize the attribute dependencies of subregions. Using a spatial consistency strategy, nearby objects are encouraged to belong to the same cluster. To test the performance of the proposed STICC algorithm, we apply it in two use cases. The comparison results with several baseline methods show that the STICC outperforms others significantly in terms of adjusted rand index and macro-F1 score. Join count statistics is also calculated and shows that the spatial contiguity is well preserved by STICC. Such a spatial clustering method may benefit various applications in the fields of geography, remote sensing, transportation, and urban planning, etc. Numéro de notice : A2022-591 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2022.2053980 Date de publication en ligne : 30/03/2022 En ligne : https://doi.org/10.1080/13658816.2022.2053980 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101282 [article]

Recherche de motifs et cartographie des surfaces agricoles : Des relevés de terrain aux données satellitaires : application au Mali / E. Vintrou in Revue internationale de géomatique, vol 21 n° 4 (décembre 2011 – février 2012)  

Public [article]  inRevue internationale de géomatique > vol 21 n° 4 (décembre 2011 – février 2012) . - pp 469 - 488 Titre : Recherche de motifs et cartographie des surfaces agricoles : Des relevés de terrain aux données satellitaires : application au Mali Type de document : Article/Communication Auteurs : E. Vintrou, Auteur ; Yoann Pitarch, Auteur ; Agnès Bégue, Auteur Année de publication : 2011 Article en page(s) : pp 469 - 488 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] caractérisation [Termes IGN] cartographie automatique [Termes IGN] données de terrain [Termes IGN] exploration de données géographiques [Termes IGN] image satellite [Termes IGN] Mali [Termes IGN] motif séquentiel [Termes IGN] paysage rural [Termes IGN] surface cultivée [Termes IGN] zone rurale Résumé : (Auteur) La cartographie automatique de territoires ruraux est un outil essentiel dans le contexte sociétal actuel (e.g., analyse des risques de famine, étude des risques liés à la déforestation). Dans cet article, nous présentons une approche préliminaire de caractérisation des paysages ruraux et de leurs systèmes de culture à partir de techniques de fouille de données (recherche d'itemsets fréquents). Cette méthode permet de coupler des données de relevés terrain aux indicateurs extraits des images satellitaires. Cette approche a été mise en œuvre sur des données associées au Mali en collaboration avec des experts du domaine posant les premières bases d'une méthode originale d'extraction de motifs à partir de données complexes. Numéro de notice : A2011-524 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.3166/rig.21.469-488 En ligne : https://doi.org/10.3166/rig.21.469-488 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=31418 [article]

Exemplaires(2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
047-2011041	RAB	Revue	Centre de documentation	En réserve L003	Disponible
047-2011042	RAB	Revue	Centre de documentation	En réserve L003	Disponible

Motifs séquentiels multidimensionnels et mesure : différentes techniques pour calculer le support / M. Plantevit in Ingénierie des systèmes d'information, ISI : Revue des sciences et technologies de l'information, RSTI, vol 13 n° 6 (novembre - décembre 2008)

Public [article]  inIngénierie des systèmes d'information, ISI : Revue des sciences et technologies de l'information, RSTI > vol 13 n° 6 (novembre - décembre 2008) . - pp 9 - 32 Titre : Motifs séquentiels multidimensionnels et mesure : différentes techniques pour calculer le support Type de document : Article/Communication Auteurs : M. Plantevit, Auteur ; A. Laurent, Auteur ; Maguelonne Teisseire, Auteur Année de publication : 2008 Article en page(s) : pp 9 - 32 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Systèmes d'information [Termes IGN] agrégat [Termes IGN] corrélation [Termes IGN] entrepôt de données [Termes IGN] extraction de données [Termes IGN] motif séquentiel Résumé : (Auteur) Les entrepôts de données contiennent de gros volumes de données historisées stockées à des fins d'analyse. Des techniques d'extraction de motifs séquentiels multidimensionnels ont été développées afin de mettre en exergue des corrélations entre des positions sur des dimensions au cours du temps. Même si ces méthodes offrent une meilleure appréhension des données sources en prenant en compte certaines spécificités des cubes de données (e.g. multidimensionnalité, hiérarchies, relation d'ordre), aucune méthode ne permet de prendre directement en compte la valeur des agrégats (mesure) dans l'extraction des motifs. Dans cet article, nous proposons plusieurs stratégies pour prendre en compte cette dimension. Copyright Lavoisier Numéro de notice : A2008-506 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE/SOCIETE NUMERIQUE Nature : Article DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=29575 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
093-08061	RAB	Revue	Centre de documentation	En réserve L003	Disponible