Centre de documentation
scientifique

Time Series Classification Algorithms with Applications in Remote Sensing / Adeline Bailly (2018)  

Public Titre : Time Series Classification Algorithms with Applications in Remote Sensing Type de document : Thèse/HDR Auteurs : Adeline Bailly, Auteur ; Romain Tavenard, Directeur de thèse Editeur : Rennes : Université Bretagne Loire Année de publication : 2018 Importance : 181 p. Format : 21 x 30 cm Note générale : bibliographie Thèse Université Rennes 2 pour obtenir le titre de Docteur de l'Université Bretagne Loire, Mention Informatique Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Télédétection [Termes IGN] apprentissage automatique [Termes IGN] classification dirigée [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] classification par séparateurs à vaste marge [Termes IGN] image satellite [Termes IGN] modèle sac-de-mots [Termes IGN] série temporelle [Termes IGN] SIFT (algorithme) [Termes IGN] vision par ordinateur Index. décimale : THESE Thèses et HDR Résumé : (auteur) Time Series Classification (TSC) has received an important amount of interest over the past years due to many real-life applications. In this PhD, we create new algorithms for TSC, with a particular emphasis on Remote Sensing (RS) time series data. We first propose the Dense Bag-of-Temporal-SIFT-Words (D-BoTSW) method that uses dense local features based on SIFT features for 1D data. Extensive experiments exhibit that D-BoTSW significantly outperforms nearly all compared standalone baseline classifiers. Then, we propose an enhancement of the Learning Time Series Shapelets (LTS) algorithm called Adversarially-Built Shapelets (ABS) based on the introduction of adversarial time series during the learning process. Adversarial time series provide an additional regularization benefit for the shapelets and experiments show a performance improvement between the baseline and our proposed framework. Due to the lack of available RS time series datasets,we also present and experiment on two remote sensing time series datasets called TiSeLaCand Brazilian-Amazon Note de contenu : Introduction 1- Time series classification: State of the art 2- Time series classification based on local features representation 3- Improving time series shapelets based on adversarial examples 4- Time series classification: Remote sensing applications Conclusion and perspectives Numéro de notice : 25809 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Rennes : 2018 nature-HAL : Thèse DOI : sans En ligne : https://tel.archives-ouvertes.fr/tel-02139897/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95069