Descripteur
Documents disponibles dans cette catégorie (899)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Machine learning techniques applied to geoscience information system and remote sensing / Saro Lee (2019)
Titre : Machine learning techniques applied to geoscience information system and remote sensing Type de document : Monographie Auteurs : Saro Lee, Éditeur scientifique ; Hyung-Sup Jung, Éditeur scientifique Editeur : Bâle [Suisse] : Multidisciplinary Digital Publishing Institute MDPI Année de publication : 2019 Importance : 438 p. ISBN/ISSN/EAN : ISBN 978-3-03921-215-6 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] analyse spatiale
[Termes IGN] apprentissage automatique
[Termes IGN] apprentissage profond
[Termes IGN] géosciences
[Termes IGN] réseau neuronal convolutif
[Termes IGN] système d'information géographique
[Termes IGN] télédétection
[Termes IGN] traitement de données localiséesRésumé : (éditeur) As computer and space technologies have been developed, geoscience information systems (GIS) and remote sensing (RS) technologies, which deal with the geospatial information, have been rapidly maturing. Moreover, over the last few decades, machine learning techniques including artificial neural network (ANN), deep learning, decision tree, and support vector machine (SVM) have been successfully applied to geospatial science and engineering research fields. The machine learning techniques have been widely applied to GIS and RS research fields and have recently produced valuable results in the areas of geoscience, environment, natural hazards, and natural resources. This book is a collection representing novel contributions detailing machine learning techniques as applied to geoscience information systems and remote sensing. Numéro de notice : 25831 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Recueil / ouvrage collectif En ligne : https://www.mdpi.com/books/pdfview/book/1533 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95158 Méthodes d'apprentissage statistique pour la détection de la signalisation routière à partir de véhicules traceurs / Yann Méneroux (2019)
Titre : Méthodes d'apprentissage statistique pour la détection de la signalisation routière à partir de véhicules traceurs Type de document : Thèse/HDR Auteurs : Yann Méneroux , Auteur ; Sébastien Mustière , Directeur de thèse ; Guillaume Saint Pierre, Directeur de thèse Editeur : Champs/Marne : Université Paris-Est Année de publication : 2019 Importance : 292 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse pour obtenir le grade de Docteur de l'Université Paris Est dans le cadre de l'Ecole Doctorale Mathématiques et STIC, Signal, Image, AutomatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] appariement de cartes
[Termes IGN] autocorrélation spatiale
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] décomposition empirique du signal
[Termes IGN] détection automatique
[Termes IGN] données GPS
[Termes IGN] modèle mathématique
[Termes IGN] navigation pédestre
[Termes IGN] ondelette de Haar
[Termes IGN] récepteur GPS
[Termes IGN] régression par quantile
[Termes IGN] réseau neuronal convolutif
[Termes IGN] sécurité routière
[Termes IGN] segmentation d'image
[Termes IGN] signalisation routière
[Termes IGN] trace GPS
[Termes IGN] vitesse de déplacementIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Avec la démocratisation des appareils connectés équipés d'un récepteur GPS, de grandes quantités de trajectoires de véhicules deviennent disponibles, notamment via les flottes de véhicules professionnels et les applications mobiles collaboratives de navigation et d'assistance à la conduite. Récemment, les techniques dites de map inference, visant à dériver de l'information cartographique à partir de ces traces GPS, tendent à compléter, voire à remplacer les techniques traditionnelles. Initialement restreintes à la construction de la géométrie des routes, elles sont progressivement utilisées pour enrichir les réseaux existants, et en particulier pour construire une base de données numérique de la signalisation verticale. La connaissance fine et exhaustive de l'infrastructure routière est un prérequis indispensable dans de nombreux domaines : pour les gestionnaires de réseaux et les décideurs dans le cadre de travaux d'aménagement, pour les usagers avec le calcul précis des temps de parcours, mais aussi, plus récemment, dans le cadre du véhicule autonome. Dans ce contexte, les méthodes d'apprentissage statistique apportent une perspective intéressante et garantissent l’adaptabilité de l'approche aux différents cas d'utilisation et à la grande variabilité des données rencontrées en pratique. L'objectif de ce travail de thèse est d'étudier le potentiel de cette classe de méthodes, pour la détection automatique de la signalisation routière, en temps différé, à partir d'un ensemble de profils de vitesse GPS. Le premier cas d'application est celui de la détection des feux de circulation, étendu par la suite a d'autre types de signalisation comme les passages piétons. En premier lieu, nous travaillons sur un jeu de données expérimental de haute qualité, à l'aide duquel nous étudions les performances de plusieurs classifieurs et nous comparons deux représentations mathématiques des données : une approche classique de reconnaissance d'image et une approche fonctionnelle consistant à agréger et à décomposer les signaux de profils de vitesses sur une base d'ondelettes de Haar. Les résultats obtenus montrent la pertinence de l'approche fonctionnelle, en particulier lorsqu'elle est combinée à l'algorithme des forêts aléatoires, en termes de fiabilité de détection et de temps de calcul. L'approche est alors appliquée sur d'autres types d'éléments de l'infrastructure. Dans un second temps, nous tentons d'adapter la méthode proposée sur le cas de données observationnelles, i.e. acquises en environnement non-contrôlé, pour lesquelles nous cherchons également à estimer la position des feux de signalisation par régression statistique. Les résultats montrent la sensibilité de l'approche axe sur l'apprentissage face à des données fortement bruitées ainsi que la difficulté liée à la définition de l'emprise spatiale des instances individuelles sur un réseau routier complexe. Nous tentons de lever ce second verrou à l'aide d'approches globales fondées sur une segmentation d'image par réseau de neurones convolutionnel. Enfin, nous expérimentons une approche permettant d'exploiter. L'autocorrélation spatiale des variables cibles sur les instances individuelles à l'aide de la topologie du graphe routier et en modélisant la zone d'étude sous forme d'un champ de Markov conditionnel. Les résultats obtenus montrent une amélioration des performances de détection par rapport à l'apprentissage non-structuré. Ces travaux de thèse ont également suscité le développement de méthodes originales de prétraitement des trajectoires GPS (filtrage, interpolation, débiaisage et recalage sur un réseau routier de référence) ainsi que l'élaboration de critères objectifs d'évaluation de la qualité de ces pré-traitements. Note de contenu : 1- Cadre général et enjeux de la thèse
2- Méthodes et algorithmes pour le pré-traitement des trajectoires GPS
3- Comparaison des approches image et fonctionnelle en conditions expérimentale
4- Etude du potentiel des méthodes d'apprentissage sur un cas opérationnel
5- Approches globales : réseaux de neurones artificiels et apprentissage structuréNuméro de notice : 25687 Affiliation des auteurs : LASTIG COGIT (2012-2019) Thématique : GEOMATIQUE Nature : Thèse française Note de thèse : thèse de Doctorat : Signal, Image, Automatique : Paris-Est : 2019 Organisme de stage : LaSTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 28/02/2020 En ligne : https://theses.hal.science/tel-02493936 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94716 A spatiotemporal calculus for reasoning about land-use trajectories / Adeline Marinho Maciel in International journal of geographical information science IJGIS, Vol 33 n° 1-2 (January - February 2019)
[article]
Titre : A spatiotemporal calculus for reasoning about land-use trajectories Type de document : Article/Communication Auteurs : Adeline Marinho Maciel, Auteur ; Gilberto Camara, Auteur ; Lubia Vinhas, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 176 - 192 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] Amazonie
[Termes IGN] analyse diachronique
[Termes IGN] analyse spatio-temporelle
[Termes IGN] changement d'occupation du sol
[Termes IGN] conversion
[Termes IGN] déboisement
[Termes IGN] détection de changement
[Termes IGN] données maillées
[Termes IGN] image Terra-MODIS
[Termes IGN] Mato Grosso
[Termes IGN] observation de la Terre
[Termes IGN] R (langage)
[Termes IGN] raisonnement spatiotemporel
[Termes IGN] Relation d'Allen
[Termes IGN] surveillance de la végétation
[Termes IGN] temps instantané
[Termes IGN] trace au solRésumé : (auteur) Earth observation images are a powerful source of data about changes in our planet. Given the magnitude of global environmental changes taking place, it is important that Earth Science researchers have access to spatiotemporal reasoning tools. One area of particular interest is land-use change. Using data obtained from images, researchers would like to express abstractions such as ‘land abandonment’, ‘forest regrowth’, and ‘agricultural intensification’. These abstractions are specific types of land-use trajectories, defined as multi-year paths from one land cover into another. Given this need, this paper introduces a spatiotemporal calculus for reasoning about land-use trajectories. Using Allen’s interval logic as a basis, we introduce new predicates that express cases of recurrence, conversion and evolution in land-use change. The proposed predicates are sufficient and necessary to express different kinds of land-use trajectories. Users can build expressions that describe how humans modify Earth’s terrestrial surface. In this way, scientists can better understand the environmental and economic effects of land-use change. Numéro de notice : A2019-020 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2018.1520235 Date de publication en ligne : 26/09/2018 En ligne : https://doi.org/10.1080/13658816.2018.1520235 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91685
in International journal of geographical information science IJGIS > Vol 33 n° 1-2 (January - February 2019) . - pp 176 - 192[article]Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 079-2019011 RAB Revue Centre de documentation En réserve L003 Disponible Les systèmes d'information géographique / Christina Aschan-Leygonie (2019)
Titre : Les systèmes d'information géographique : principes, concepts et méthodes Type de document : Guide/Manuel Auteurs : Christina Aschan-Leygonie, Auteur ; Claire Cunty, Auteur ; Paule-Annick Davoine, Auteur Editeur : Paris : Armand Colin Année de publication : 2019 Collection : Cursus Importance : 267 p. Format : 15 x 21 cm ISBN/ISSN/EAN : 978-2-200-61718-9 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Systèmes d'information géographique
[Termes IGN] analyse multicritère
[Termes IGN] analyse spatiale
[Termes IGN] autocorrélation spatiale
[Termes IGN] base de données localisées
[Termes IGN] base de données relationnelles
[Termes IGN] conversion de données
[Termes IGN] document cartographique
[Termes IGN] données localisées 3D
[Termes IGN] données maillées
[Termes IGN] données vectorielles
[Termes IGN] intégration de données
[Termes IGN] interopérabilité
[Termes IGN] interpolation spatiale
[Termes IGN] jeu de données localisées
[Termes IGN] métadonnées géographiques
[Termes IGN] modèle numérique
[Termes IGN] réalité de terrain
[Termes IGN] stockage de données
[Termes IGN] système d'information géographique
[Termes IGN] visualisation de donnéesIndex. décimale : 37.30 Systèmes d'information géographique Résumé : (Editeur) Cet ouvrage apporte aux étudiants les notions clés et méthodes indispensables à la maîtrise des systèmes d'information géographique (SIG). Il présente les fondamentaux de l'information géographique, les traitements et les analyses qui sont au coeur des projets SIG. Il montre comment les SIG peuvent répondre à des problématiques spatiales portant aussi bien sur des phénomènes géographiques discrets ou continus que sociaux ou environnementaux. Un véritable outil pédagogique, illustré par de multiples exemples, une centaine de figures, des focus thématiques, des conseils, des définitions et des questions de révision. Note de contenu : 1. De la "réalité" du terrain à l'information géographique dans les SIG
2. Fondamentaux de l'information géographique
3. Intégration de données géographiques dans les SIG
4. Visualisation, interrogation et enrichissement de l'information géographique
5. Traitements spatiaux de l'information géographique
6. Aperçu de l'analyse spatiale avec les SIGNuméro de notice : 26795 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Manuel Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100028 Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 26795-01 37.30 Livre Centre de documentation Géomatique Disponible Webscraping, bigdata et analyse spatiale de données immobilières : réponse à un projet ESPON au sein de l'UMS RIATE / Marc Lieury (2019)
Titre : Webscraping, bigdata et analyse spatiale de données immobilières : réponse à un projet ESPON au sein de l'UMS RIATE Type de document : Mémoire Auteurs : Marc Lieury, Auteur Editeur : Paris : Université de Paris 1 Panthéon Sorbonne Année de publication : 2019 Autre Editeur : Paris : Université de Paris 7 Denis Diderot Importance : 143 p. Format : 21 x 30 cm Note générale : bibliographie
Master 2 CarthagéoLangues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique web
[Termes IGN] accessibilité
[Termes IGN] analyse spatiale
[Termes IGN] collecte de données
[Termes IGN] extraction automatique
[Termes IGN] extraction de données
[Termes IGN] France (administrative)
[Termes IGN] immobilier (secteur)
[Termes IGN] logement
[Termes IGN] métadonnées
[Termes IGN] Python (langage de programmation)
[Termes IGN] R (langage)
[Termes IGN] récupération de données
[Termes IGN] site webIndex. décimale : DCAR Mémoires de l'ex DESS cartographie et du Master CARTHAGEO Résumé : (auteur) Dans le but de répondre à un appel d’offre de l’Union Européenne (ESPON) visant à permettre aux décideurs publics de choisir des politiques adaptés aux réalités du terrain, un vaste programme de collecte, d’analyse et de cartographie des données à l’échelle européenne a été initié par le RIATE. Les fonctions du stagiaire ont été diverses, mais portaient principalement sur l’étude de l’accessibilité au logement en France par le Big Data en utilisant le Webscraping et l’analyse spatiale dans le cadre d’un projet européen. La première partie du stage a été consacrée principalement à répondre aux besoins du projet, pour ensuite aborder plus librement les données collectées et les processus appliquées en orientant le stage sur les bonnes pratiques, les opportunités mais aussi les limites du webscraping et de l’analyse spatiale sous R et Python. Note de contenu : Introduction
1- Réponse au projet ESPON
2- Participation aux activités du RIATE
ConclusionNuméro de notice : 25441 Affiliation des auteurs : non IGN Nature : Mémoire master cartographie Organisme de stage : RIATE, Paris Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93911 Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 25441-01 DCAR Livre Centre de documentation Travaux d'élèves Disponible Documents numériques
peut être téléchargé
Webscraping, bigdata et analyse spatiale... - pdf auteurAdobe Acrobat PDF Using Network Segments in the Visualization of Urban Isochrones / Jeff Allen in Cartographica, vol 53 n° 4 (Winter 2018)PermalinkOpenStreetMap data quality enrichment through awareness raising and collective action tools—experiences from a European project / Amin Mobasheri in Geo-spatial Information Science, vol 21 n° 3 (October 2018)PermalinkValuable components of CyberGIS : Expert viewpoints through Q‐method interviews / Forrest J. Bowlick in Transactions in GIS, vol 22 n° 5 (October 2018)PermalinkMise en oeuvre d’un SIG pour le projet FARMaine (Partie 2) / Adèle Debray in Géomatique expert, n° 124 (septembre - octobre 2018)PermalinkSea-land interdependence in the global maritime network: the case of Australian port cities / Justin Berli in Networks and Spatial Economics, vol 18 n° 3 (September 2018)PermalinkUncertainty modeling and analysis of surface area calculation based on a regular grid digital elevation model (DEM) / Chang Li in International journal of geographical information science IJGIS, vol 32 n° 9-10 (September - October 2018)PermalinkSensePlace3: a geovisual framework to analyze place–time–attribute information in social media / Scott Pezanowski in Cartography and Geographic Information Science, Vol 45 n° 5 (August 2018)Permalink3D WebGIS : from visualization to analysis. An efficient browser-based 3D line-of-sight analysis / Michael Auer in ISPRS International journal of geo-information, vol 7 n° 7 (July 2018)PermalinkCombining machine-learning topic models and spatiotemporal analysis of social media data for disaster footprint and damage assessment / Bernd Resch in Cartography and Geographic Information Science, Vol 45 n° 4 (July 2018)PermalinkMining and visual exploration of closed contiguous sequential patterns in trajectories / Can Yang in International journal of geographical information science IJGIS, vol 32 n° 7-8 (July - August 2018)Permalink