Descripteur
Termes IGN > mathématiques > algorithmique > plus proche voisin, algorithme du
plus proche voisin, algorithme duVoir aussi |
Documents disponibles dans cette catégorie (28)
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
Aggregate keyword nearest neighbor queries on road networks / Pengfei Zhang in Geoinformatica, vol 22 n° 2 (April 2018)
[article]
Titre : Aggregate keyword nearest neighbor queries on road networks Type de document : Article/Communication Auteurs : Pengfei Zhang, Auteur ; Huaizhong Lin, Auteur ; Yunjun Gao, Auteur ; Dongming Lu, Auteur Année de publication : 2018 Article en page(s) : pp 237 - 268 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Systèmes d'information géographique
[Termes IGN] langage naturel (informatique)
[Termes IGN] plus proche voisin, algorithme du
[Termes IGN] point d'intérêt
[Termes IGN] requête spatiale
[Termes IGN] réseau routier
[Termes IGN] système d'information géographiqueRésumé : (Auteur) Given a group Q of query points and a set P of points of interest (POIs), aggregate nearest neighbor (ANN) queries find a POI p from P that achieves the smallest aggregate distance. Specifically, the aggregate distance is defined over the set of distances between p and all query points in Q$\mathcal {Q}$. Existing studies on ANN query mainly consider the spatial proximity, whereas the textual similarity has received considerable attention recently. In this work, we utilize user-specified query keywords to capture textual similarity. We study the aggregate keyword nearest neighbor (AKNN) queries, finding the POI that has the smallest aggregate distance and covers all query keywords. Nevertheless, existing methods on ANN query are either inapplicable or inefficient when applied to the AKNN query. To answer our query efficiently, we first develop a dual-granularity (DG) indexing schema. It preserves abstracts of the road network by a tree structure, and preserves detailed network information by an extended adjacency list. Then, we propose a minimal first search (MFS) algorithm. It traverses the tree and explores the node with the minimal aggregate distance iteratively. This method suffers from false hits arising from keyword tests. Thus, we propose the collaborative filtering technique, which performs keywords test by multiple keyword bitmaps collectively rather than by only one. Extensive experiments on both real and synthetic datasets demonstrate the superiority of our algorithms and optimizing strategies. Numéro de notice : A2018-364 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s10707-017-0315-0 Date de publication en ligne : 29/12/2017 En ligne : https://doi.org/10.1007/s10707-017-0315-0 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90726
in Geoinformatica > vol 22 n° 2 (April 2018) . - pp 237 - 268[article]Harmonic regression of Landsat time series for modeling attributes from national forest inventory data / Barry T. Wilson in ISPRS Journal of photogrammetry and remote sensing, vol 137 (March 2018)
[article]
Titre : Harmonic regression of Landsat time series for modeling attributes from national forest inventory data Type de document : Article/Communication Auteurs : Barry T. Wilson, Auteur ; Joseph F. Knight, Auteur ; Ronald E. McRoberts, Auteur Année de publication : 2018 Article en page(s) : pp 29 - 46 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] attribut
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] image Landsat
[Termes IGN] inventaire forestier étranger (données)
[Termes IGN] Minnesota (Etats-Unis)
[Termes IGN] plus proche voisin, algorithme du
[Termes IGN] régression harmonique
[Termes IGN] série temporelleRésumé : (Auteur) Imagery from the Landsat Program has been used frequently as a source of auxiliary data for modeling land cover, as well as a variety of attributes associated with tree cover. With ready access to all scenes in the archive since 2008 due to the USGS Landsat Data Policy, new approaches to deriving such auxiliary data from dense Landsat time series are required. Several methods have previously been developed for use with finer temporal resolution imagery (e.g. AVHRR and MODIS), including image compositing and harmonic regression using Fourier series. The manuscript presents a study, using Minnesota, USA during the years 2009–2013 as the study area and timeframe. The study examined the relative predictive power of land cover models, in particular those related to tree cover, using predictor variables based solely on composite imagery versus those using estimated harmonic regression coefficients. The study used two common non-parametric modeling approaches (i.e. k-nearest neighbors and random forests) for fitting classification and regression models of multiple attributes measured on USFS Forest Inventory and Analysis plots using all available Landsat imagery for the study area and timeframe. The estimated Fourier coefficients developed by harmonic regression of tasseled cap transformation time series data were shown to be correlated with land cover, including tree cover. Regression models using estimated Fourier coefficients as predictor variables showed a two- to threefold increase in explained variance for a small set of continuous response variables, relative to comparable models using monthly image composites. Similarly, the overall accuracies of classification models using the estimated Fourier coefficients were approximately 10–20 percentage points higher than the models using the image composites, with corresponding individual class accuracies between six and 45 percentage points higher. Numéro de notice : A2018-077 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE/MATHEMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2018.01.006 En ligne : https://doi.org/10.1016/j.isprsjprs.2018.01.006 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89439
in ISPRS Journal of photogrammetry and remote sensing > vol 137 (March 2018) . - pp 29 - 46[article]Réservation
Réserver ce documentExemplaires(3)
Code-barres Cote Support Localisation Section Disponibilité 081-2018031 RAB Revue Centre de documentation En réserve L003 Disponible 081-2018033 DEP-EXM Revue LASTIG Dépôt en unité Exclu du prêt 081-2018032 DEP-EAF Revue Nancy Dépôt en unité Exclu du prêt Un inventaire forestier multisource pour la gestion des territoires / Dinesh Babu Irulappa-Pillai-Vijayakumar (2018)
contenu dans 27èmes Journées de la Recherche de l'IGN / Journées Recherche de l'IGN 2018, 27es Journées (22 - 23 mars 2018; Cité Descartes, Champs-sur-Marne, France) (2018)
Titre : Un inventaire forestier multisource pour la gestion des territoires Type de document : Article/Communication Auteurs : Dinesh Babu Irulappa-Pillai-Vijayakumar , Auteur ; Jean-Pierre Renaud , Auteur ; François Morneau , Auteur ; Cédric Vega , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2018 Projets : DIABOLO / Packalen, Tuula Conférence : Journées Recherche de l'IGN 2018, 27es Journées 22/03/2018 23/03/2018 Champs-sur-Marne France programme sans actes Langues : Français (fre) Descripteur : [Termes IGN] carte forestière
[Termes IGN] Centre (France administrative)
[Termes IGN] données de terrain
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] données multisources
[Termes IGN] estimation statistique
[Termes IGN] image aérienne
[Termes IGN] image Landsat-TM
[Termes IGN] indice de végétation
[Termes IGN] inférence statistique
[Termes IGN] inventaire forestier (techniques et méthodes)
[Termes IGN] modèle numérique de terrain
[Termes IGN] Orléans, forêt domaniale d' (Loiret)
[Termes IGN] plus proche voisin, algorithme du
[Vedettes matières IGN] Inventaire forestierRésumé : (Auteur) L’inventaire forestier national permet d’obtenir un portrait précis de l’état des forêts de France métropolitaine. Mais l’échantillon de points est rapidement trop faible pour fournir des estimations statistiques ayant la précision nécessaire à l’échelle des territoires, où s’exercent les décisions. Les méthodes d’inventaire forestier multisource ont été développées afin de résoudre ce problème, sur des territoires circonscrits, en associant aux mesures de terrain des données auxiliaires, généralement issues de la télédétection. Le projet IFM-GT vise à développer et adapter un tel système d’inventaire forestier multisource en France. Ses sorties pourront contribuer à l’élaboration de stratégies de gestion pour des territoires forestiers particuliers, dans le cadre d’étude de ressources, par exemple. Le système s’appuie sur les mesures terrain de l’inventaire, la carte forestière, des images de télédétection 2D et 3D, et des méthodes statistiques de type k plus proches voisins (k-nn). Cette présentation introduira les concepts d’inventaire multisource et présentera la méthodologie développée et testée sur un territoire forestier de la région Centre. Numéro de notice : C2018-033 Affiliation des auteurs : LIF+Ext (2012-2019) Thématique : FORET Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91131 Documents numériques
peut être téléchargé
Un inventaire forestier multisource... - diaporama de présentationAdobe Acrobat PDF Localisation par l'image en milieu urbain : application à la réalité augmentée / Antoine Fond (2018)
Titre : Localisation par l'image en milieu urbain : application à la réalité augmentée Type de document : Thèse/HDR Auteurs : Antoine Fond, Auteur ; Marie-Odile Berger, Directeur de thèse Editeur : Nancy, Metz : Université de Lorraine Année de publication : 2018 Importance : 138 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse présentée pour l'obtention du doctorat de l'Université de Lorraine, Ecole doctorale IAEM Lorraine, mention Informatique, 2018Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] appariement de formes
[Termes IGN] apprentissage profond
[Termes IGN] bati
[Termes IGN] détection du bâti
[Termes IGN] distance de Manhattan
[Termes IGN] estimation de pose
[Termes IGN] façade
[Termes IGN] orthorectification
[Termes IGN] plus proche voisin, algorithme du
[Termes IGN] point de fuite
[Termes IGN] réalité augmentée
[Termes IGN] recalage d'image
[Termes IGN] recalage de surfaces
[Termes IGN] réseau neuronal convolutif
[Termes IGN] segmentation d'image
[Termes IGN] segmentation sémantique
[Termes IGN] vision par ordinateur
[Termes IGN] zone urbaineIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Dans cette thèse, on aborde le problème de la localisation en milieux urbains. Inférer un positionnement précis en ville est important dans nombre d’applications comme la réalité augmentée ou la robotique mobile. Or les systèmes basés sur des capteurs inertiels (IMU) sont sujets à des dérives importantes et les données GPS peuvent souffrir d’un effet de vallée qui limite leur précision. Une solution naturelle est de s’appuyer le calcul de pose de caméra en vision par ordinateur. On remarque que les bâtiments sont les repères visuels principaux de l’humain, mais aussi des objets d’intérêt pour les applications de réalité augmentée. On cherche donc à partir d’une seule image à calculer la pose de la caméra par rapport à une base de données de bâtiments références connus. On décompose le problème en deux parties : trouver les références visibles dans l’image courante (reconnaissance de lieux) et calculer la pose de la caméra par rapport à eux. Les approches classiques de ces deux sous-problèmes sont mises en difficultés dans les environnements urbains à cause des forts effets perspectives, des répétitions fréquentes et de la similarité visuelle entre façades. Si des approches spécifiques à ces environnements ont été développés qui exploitent la grande régularité structurelle de tels milieux, elles souffrent encore d’un certain nombre de limitations autant pour la détection et la reconnaissance de façades que pour le calcul de pose par recalage de modèle. La méthode originale développée dans cette thèse s’inscrit dans ces approches spécifiques et vise à dépasser ces limitations en terme d’efficacité et de robustesse aux occultations, aux changements de points de vue et d’illumination. Pour cela, l’idée principale est de profiter des progrès récents de l’apprentissage profond par réseaux de neurones convolutionnels pour extraire de l’information de haut-niveau sur laquelle on peut baser des modèles géométriques. Notre approche est donc mixte Bottom-Up/Top-Down et se décompose en trois étapes clés. Nous proposons tout d’abord une méthode d’estimation de la rotation de la pose de caméra. Les 3 points de fuite principaux des images en milieux urbains, dits points de fuite de Manhattan sont détectés grâce à un réseau de neurones convolutionnels (CNN) qui fait à la fois une estimation de ces points de fuite, mais aussi une segmentation de l’image relativement à eux. Une second étape de raffinement utilise ces informations et les segments de l’image dans une formulation bayésienne pour estimer efficacement et plus précisément ces points. L’estimation de la rotation de la caméra permet de rectifier les images et ainsi s’affranchir des effets de perspectives pour la recherche de la translation. Dans une seconde contribution, nous visons ainsi à détecter les façades dans ces images rectifiées et à les reconnaître parmi une base de bâtiments connus afin d’estimer une translation grossière. Dans un souci d’efficacité, on a proposé une série d’indices basés sur des caractéristiques spécifiques aux façades (répétitions, symétrie, sémantique) qui permettent de sélectionner rapidement des candidats façades potentiels. Ensuite, ceux-ci sont classifiés en façade ou non selon un nouveau descripteur CNN contextuel. Enfin la mise en correspondance des façades détectées avec les références est opérée par un recherche au plus proche voisin relativement à une métrique apprise sur ces descripteurs [...] Note de contenu : Introduction
1 - Etat de l'art
2 - Estimation des points de fuite de Manhattan
3 - Proposition de façades pour la détection et la reconnaissance de bâtiments
4 - Segmentation et recalage de façade conjoint
ConclusionNuméro de notice : 21592 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de doctorat : Informatique : Université de Lorraine : 2018 Organisme de stage : IFSTTAR nature-HAL : Thèse DOI : sans En ligne : http://www.theses.fr/2018LORR0028 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90630 Social Distance metric: from coordinates to neighborhoods / Vagan Terziyan in International journal of geographical information science IJGIS, vol 31 n° 11-12 (November - December 2017)
[article]
Titre : Social Distance metric: from coordinates to neighborhoods Type de document : Article/Communication Auteurs : Vagan Terziyan, Auteur Année de publication : 2017 Article en page(s) : pp 2401 - 2426 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] base de données localisées
[Termes IGN] classification
[Termes IGN] distance
[Termes IGN] exploration de données géographiques
[Termes IGN] géographie sociale
[Termes IGN] interpolation
[Termes IGN] métrique
[Termes IGN] plus proche voisin, algorithme du
[Termes IGN] système d'information géographique
[Termes IGN] voisinage (relation topologique)Résumé : (Auteur) Choice of a distance metric is a key for the success in many machine learning and data processing tasks. The distance between two data samples traditionally depends on the values of their attributes (coordinates) in a data space. Some metrics also take into account the distribution of samples within the space (e.g. local densities) aiming to improve potential classification or clustering performance. In this paper, we suggest the Social Distance metric that can be used on top of any traditional metric. For a pair of samples x and y, it averages the two numbers: the place (rank), which sample y holds in the list of ordered nearest neighbors of x; and vice versa, the rank of x in the list of the nearest neighbors of y. Average is a contraharmonic Lehmer mean, which penalizes the difference between the numbers by giving values greater than the Arithmetic mean for the unequal arguments. We consider normalized average as a distance function and we prove it to be a metric. We present several modifications of such metric and show that their properties are useful for a variety of classification and clustering tasks in data spaces or graphs in a Geographic Information Systems context and beyond. Numéro de notice : A2017-701 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2017.1367796 En ligne : https://doi.org/10.1080/13658816.2017.1367796 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=88082
in International journal of geographical information science IJGIS > vol 31 n° 11-12 (November - December 2017) . - pp 2401 - 2426[article]Réservation
Réserver ce documentExemplaires(2)
Code-barres Cote Support Localisation Section Disponibilité 079-2017061 RAB Revue Centre de documentation En réserve L003 Disponible 079-2017062 RAB Revue Centre de documentation En réserve L003 Disponible Hub Labels on the database for large-scale graphs with the COLD framework / Alexandros Efentakis in Geoinformatica, vol 21 n° 4 (October - December 2017)PermalinkSnapshot and continuous points-based trajectory search / Shuyao Qi in Geoinformatica, vol 21 n° 4 (October - December 2017)PermalinkUncertain Voronoi cell computation based on space decomposition / Klaus Arthur Schmid in Geoinformatica, vol 21 n° 4 (October - December 2017)PermalinkPanda∗: A generic and scalable framework for predictive spatio-temporal queries / Abdeltawab M. Hendawi in Geoinformatica, vol 21 n° 2 (April - June 2017)PermalinkRecherche des objets mobiles dans les réseaux routiers : Une approche basée sur l’analyse formelle de concepts / Hafedh Ferchichi in Revue internationale de géomatique, vol 27 n° 2 (avril - juin 2017)PermalinkSpatial co-location pattern mining of facility points-of-interest improved by network neighborhood and distance decay effects / Wenhao Yu in International journal of geographical information science IJGIS, vol 31 n° 1-2 (January - February 2017)PermalinkSpatio-temporal analysis of crime by developing a method to detect critical distances for the Knox test / Moshen Kalantari in International journal of geographical information science IJGIS, vol 30 n° 11-12 (November - December 2016)PermalinkEfficient terrestrial laser scan segmentation exploiting data structure / Hamid Mahmoudabadi in ISPRS Journal of photogrammetry and remote sensing, vol 119 (September 2016)PermalinkThe direction-constrained k nearest neighbor query dealing with spatio-directional objects / Min-Joong Lee in Geoinformatica, vol 20 n° 3 (July - September 2016)PermalinkA meta-analysis and review of the literature on the k-Nearest Neighbors technique for forestry applications that use remotely sensed data / Gherardo Chirici in Remote sensing of environment, vol 176 (April 2016)Permalink