Centre de documentation
scientifique

Automating and utilising equal-distribution data classification / Gennady Andrienko in International journal of cartography, vol 7 n° 1 (March 2021)  

Public [article]  inInternational journal of cartography > vol 7 n° 1 (March 2021) . - pp 100 - 115 Titre : Automating and utilising equal-distribution data classification Type de document : Article/Communication Auteurs : Gennady Andrienko, Auteur ; Natalia Andrienko, Auteur ; Ibad Kureshi, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 100 - 115 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Cartographie thématique [Termes IGN] analyse spatiale [Termes IGN] attribut géomètrique [Termes IGN] attribut sémantique [Termes IGN] carte choroplèthe [Termes IGN] classification [Termes IGN] exploration de données géographiques [Termes IGN] intervalle de classe [Termes IGN] répartition géographique Résumé : (Auteur) Data classification, i.e. organising data items in groups (classes), is a general technique widely used in data visualisation and cartography, in particular, for creation of choropleth maps. Conventionally, data are classified by dividing the data range into intervals and assigning the same symbol or colour to all data falling within an interval. For instance, the intervals may be of the same length or may include the same number of data items. We propose a method for defining intervals so that some quantity represented by values of another attribute is equally distributed among the classes. This kind of classification supports exploratory analysis of relationships between the attribute used for the classification and the distribution of the phenomenon whose quantity is represented by the additional attribute. The approach may be especially useful when the distribution of the phenomenon is very unequal, with many data items having zero or low quantities and quite a few items having larger quantities. With such a distribution, standard statistical analysis of the relationships may be problematic. We demonstrate the potential of the approach by analysing data referring to a set of spatially distributed people (patients) in relationship to characteristics of the areas in which the people live. Numéro de notice : A2021-184 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/23729333.2020.1863000 Date de publication en ligne : 05/01/2021 En ligne : https://doi.org/10.1080/23729333.2020.1863000 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97114 [article]

Introduction au calcul des probabilités et à la statistique / Jean-François Delmas (2013)

Public Titre : Introduction au calcul des probabilités et à la statistique : exercices, problèmes et corrections Type de document : Guide/Manuel Auteurs : Jean-François Delmas, Auteur Mention d'édition : 2 Editeur : Palaiseau : Presses de l'ENSTA Année de publication : 2013 Collection : Les cours Importance : 415 p. Format : 17 x 24 cm ISBN/ISSN/EAN : 978-2-7225-0944-3 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Statistiques [Termes IGN] arc [Termes IGN] distribution de Gauss [Termes IGN] estimateur [Termes IGN] estimation statistique [Termes IGN] intervalle de classe [Termes IGN] variable aléatoire Résumé : (Editeur) Cet ouvrage d'exercices et de problèmes corrigés se fixe pour but d'illustrer les concepts de base des probabilités et de la statistique mathématique présentés dans l'ouvrage introduction au calcul des probabilités et à la statistique. Il présente des exercices de manipulation qui permettent d'appréhender les concepts du cours (variables aléatoires, théorèmes asymptotiques, modèles gaussiens, estimations paramétriques, tests, régions de confiance). Il comporte également une part importante d'exercices et de problèmes de modélisation avec des applications diverses dans plusieurs domaines scientifiques (mathématiques, physique, sciences de l'ingénieur, sciences du vivant, économie). Note de contenu : 1. Espaces probabilisés 2. Variables aléatoires discrètes 3. Variables aléatoires continues 4. Fonctions caractéristiques 5. Théorèmes limites 6. Vecteurs gaussiens 7. Simulation 8. Estimateurs 9. Tests 10. Intervalles et régions de confiance 11. Problèmes (probabilités) 12. Problèmes (probabilités et statistique) 13. Corrections Numéro de notice : 22085 Affiliation des auteurs : non IGN Thématique : MATHEMATIQUE Nature : Manuel de cours Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=47091

A two-pass random forests classification of airborne Lidar and image data on urban scenes / Li Guo (2010)  

Public Titre : A two-pass random forests classification of airborne Lidar and image data on urban scenes Type de document : Article/Communication Auteurs : Li Guo, Auteur ; Nesrine Chehata , Auteur ; Samia Boukir, Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2010 Conférence : ICIP 2010, 17th IEEE International Conference on Image Processing 25/09/2010 29/09/2010 Hong Kong Proceedings IEEE Importance : pp 1369 - 1372 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes IGN] classification par forêts d'arbres décisionnels [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] image RVB [Termes IGN] intervalle de classe [Termes IGN] scène urbaine Résumé : (auteur) Random forests ensemble classifier showed to be suitable for classifying multisource data such as lidar and RGB image for urban scene mapping. However, two major problems remain: (1) the class boundaries are not well classified, a common issue in classification (2) the data are highly imbalanced raising another issue more specific to urban scenes. In this paper, we propose a new ensemble method based on the margin paradigm to improve the classification accuracy of minor classes. Random forests classifier is used in a two-pass methodology with an improved capability for classifying imbalanced data. Numéro de notice : C2010-061 Affiliation des auteurs : MATIS+Ext (1993-2011) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/ICIP.2010.5653030 Date de publication en ligne : 03/12/2010 En ligne : https://doi.org/10.1109/ICIP.2010.5653030 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101943

Class intervals for statistical maps / George F. Jenks in Annuaire international de cartographie, n° 3 (1963)

Public [article]  inAnnuaire international de cartographie > n° 3 (1963) . - pp 119 - 134 Titre : Class intervals for statistical maps Type de document : Article/Communication Auteurs : George F. Jenks, Auteur Année de publication : 1963 Article en page(s) : pp 119 - 134 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Cartographie thématique [Termes IGN] cartographie statistique [Termes IGN] intervalle de classe Numéro de notice : A1963-020 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=31245 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
43966-01	39.04	Livre	Centre de documentation	En réserve L003	Disponible