Centre de documentation
scientifique

Spatially constrained regionalization with multilayer perceptron / Michael Govorov in Transactions in GIS, Vol 23 n° 5 (October 2019)  

Public [article]  inTransactions in GIS > Vol 23 n° 5 (October 2019) . - pp 1048 - 1077 Titre : Spatially constrained regionalization with multilayer perceptron Type de document : Article/Communication Auteurs : Michael Govorov, Auteur ; Giedre Beconyte, Auteur ; Gennady Gienko, Auteur ; Victor Putrenko, Auteur Année de publication : 2019 Article en page(s) : pp 1048 - 1077 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] analyse de groupement [Termes IGN] apprentissage automatique [Termes IGN] classification dirigée [Termes IGN] données géologiques [Termes IGN] Perceptron multicouche [Termes IGN] programmation par contraintes [Termes IGN] régionalisation (segmentation) [Termes IGN] réseau neuronal artificiel [Termes IGN] segmentation par graphes d'adjacence de régions [Termes IGN] Ukraine [Termes IGN] uranium Résumé : (auteur) In this article, multilayer perceptron (MLP) network models with spatial constraints are proposed for regionalization of geostatistical point data based on multivariate homogeneity measures. The study focuses on non stationarity and autocorrelation in spatial data. Supervised MLP machine learning algorithms with spatial constraints have been implemented and tested on a point dataset. MLP spatially weighted classification models and an MLP contiguity constrained classification model are developed to conduct spatially constrained regionalization. The proposed methods have been tested with an attribute‐rich point dataset of geological surveys in Ukraine. The experiments show that consideration of the spatial effects, such as the use of spatial attributes and their respective whitening, improve the output of regionalization. It is also shown that spatial sorting used to preserve spatial contiguity leads to improved regionalization performance. Numéro de notice : A2019-552 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/tgis.12557 Date de publication en ligne : 09/07/2019 En ligne : https://doi.org/10.1111/tgis.12557 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94202 [article]