Descripteur
Termes IGN > mathématiques > statistique mathématique > analyse de données > classification > classification barycentrique
classification barycentriqueSynonyme(s)classification sur la distance minimale ;classification du k-proche voisin ;classification par minimum de distance classification par k centroïdesVoir aussi |
Documents disponibles dans cette catégorie (112)
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
Inferencing hourly traffic volume using data-driven machine learning and graph theory / Zhiyan Yi in Computers, Environment and Urban Systems, vol 85 (January 2021)
[article]
Titre : Inferencing hourly traffic volume using data-driven machine learning and graph theory Type de document : Article/Communication Auteurs : Zhiyan Yi, Auteur ; Xiaoyue Cathy Liu, Auteur ; Nikola Markovic, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : n° 101548 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] apprentissage automatique
[Termes IGN] classification barycentrique
[Termes IGN] échantillonnage de données
[Termes IGN] Extreme Gradient Machine
[Termes IGN] inférence statistique
[Termes IGN] modèle de simulation
[Termes IGN] planification
[Termes IGN] théorie des graphes
[Termes IGN] trafic routier
[Termes IGN] Utah (Etas-Unis)Résumé : (auteur) Traffic volume is a critical piece of information in many applications, such as transportation long-range planning and traffic operation analysis. Effectively capturing traffic volumes on a network scale is beneficial to Transportation Systems Management & Operations (TSM&O). Yet it is impractical to install sensors to cover a large road network. To address this issue, spatial prediction techniques are widely performed to estimate traffic volumes at sites without sensors. In retrospect, most relevant studies resort to machine learning methods and treat each prediction location independently during the training process, ignoring the potential spatial dependency among them. This paper presents an innovative spatial prediction method of hourly traffic volume on a network scale. To achieve this, we applied a state-of-the-art tree ensemble model - extreme gradient boosting tree (XGBoost) - to handle the large-scale features and hourly traffic volume samples, due to the model's powerful scalability. Moreover, spatial dependency among road segments is taken into account in the proposed model using graph theory. Specifically, we created a traffic network graph leveraging probe trajectory data, and implemented a graph-based approach - breadth first search (BFS) - to search neighboring sites in this graph for computing spatial dependency. The proposed spatial dependency feature is subsequently incorporated as a new feature fed into XGBoost. The proposed model is tested on the road network in the state of Utah. Numerical results not only indicate high computational efficiency of the proposed model, but also demonstrate significant improvement in prediction accuracy of hourly traffic volume comparing with the benchmarked models. Numéro de notice : A2021-004 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1016/j.compenvurbsys.2020.101548 Date de publication en ligne : 24/09/2020 En ligne : https://doi.org/10.1016/j.compenvurbsys.2020.101548 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96271
in Computers, Environment and Urban Systems > vol 85 (January 2021) . - n° 101548[article]
Titre : Introducing the boundary-aware loss for deep image segmentation Type de document : Article/Communication Auteurs : Minh On Vu Ngoc, Auteur ; Yizi Chen , Auteur ; Nicolas Boutry, Auteur ; Joseph Chazalon, Auteur ; Edwin Carlinet, Auteur ; Jonathan Fabrizio, Auteur ; Clément Mallet , Auteur ; Thierry Géraud, Auteur Editeur : The British Machine Vision Association Press (BMVA) Année de publication : 2021 Projets : SODUCO / Perret, Julien Conférence : BMVC 2021, 32nd British Machine Vision Conference 22/11/2021 25/11/2021 online Royaume-Uni OA Proceedings Importance : 17 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] apprentissage profond
[Termes IGN] classification barycentrique
[Termes IGN] segmentation d'imageRésumé : (auteur) Most contemporary supervised image segmentation methods do not preserve the initial topology of the given input (like the closeness of the contours). One can generally remark that edge points have been inserted or removed when the binary prediction and the ground truth are compared. This can be critical when accurate localization of multiple interconnected objects is required. In this paper, we present a new loss function, called, Boundary-Aware loss (BALoss), based on the Minimum Barrier Distance (MBD) cut algorithm. It is able to locate what we call the leakage pixels and to encode the boundary information coming from the given ground truth. Thanks to this adapted loss, we are able to significantly refine the quality of the predicted boundaries during the learning procedure. Furthermore, our loss function is differentiable and can be applied to any kind of neural network used in image processing. We apply this loss function on the standard U-Net and DC U-Net on Electron Microscopy datasets. They are well-known to be challenging due to their high noise level and to the close or even connected objects covering the image space. Our segmentation performance, in terms of Variation of Information (VOI) and Adapted Rank Index (ARI), are very promising and lead to 15% better scores of VOI and 5% better scores of ARI than the state-of-the-art. The code of boundary-awareness loss is freely available at https://github.com/onvungocminh/MBD_BAL Numéro de notice : C2021-054 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : sans En ligne : https://www.bmvc2021-virtualconference.com/assets/papers/1546.pdf Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99411 Méthodes et outils pour l’analyse spatiale exploratoire en géolinguistique : contributions aux humanités numériques spatialisées / Clément Chagnaud (2021)
Titre : Méthodes et outils pour l’analyse spatiale exploratoire en géolinguistique : contributions aux humanités numériques spatialisées Type de document : Thèse/HDR Auteurs : Clément Chagnaud, Auteur ; Paule-Annick Davoine, Directeur de thèse ; Elisabetta Carpitelli, Directeur de thèse Editeur : Grenoble [France] : Université Grenoble Alpes Année de publication : 2021 Importance : 316 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse pour obtenir le grade de Docteur de l'Université Grenoble Alpes, Spécialité Ingénierie de la Cognition, de l’Interaction, de l’Apprentissage et de la CréationLangues : Français (fre) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] cartographie thématique
[Termes IGN] classification barycentrique
[Termes IGN] dialecte
[Termes IGN] exploration de données géographiques
[Termes IGN] interpolation spatiale
[Termes IGN] interprétation automatique
[Termes IGN] linguistique
[Termes IGN] région
[Termes IGN] structure spatialeIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Depuis près d’un siècle, les géolinguistes utilisent la cartographie pour visualiser les données dialectales et ainsi comprendre les structures spatiales des dialectes. Les données produites par les géolinguistes sont issues d’enquêtes réalisées auprès de locuteurs identifiés sur un nombre restreint de localités. Elles sont donc ponctuelles, textuelles et spatialisées.Aujourd'hui, l'outillage logiciel destinée au traitement cartographique des données géolinguistiques est très en retard et les systèmes d'information géographique (SIG) sont peu adaptés. Nous proposons donc des méthodes et des outils géomatiques permettant la production automatique de cartes interprétatives et de cartes de synthèse pour l'analyse spatiale exploratoire de données géolinguistiques.Nos méthodes sont implémentées dans deux outils cartographiques, ShinyDialect et ShinyClass, qui permettent la visualisation et l'exploration des résultats.À travers ces méthodes, nos problématiques visent à intégrer des éléments géographiques (topographiques, historiques, culturels, administratifs etc.) dans le traitement des données géolinguistiques. L’objectif est d’explorer les liens potentiels entre ces éléments de contexte et la diffusion des dialectes sur un territoire.Ces travaux se situent dans le contexte du projet ECLATS dont l'objectif est de valoriser les données de l’Atlas Linguistique de la France. Nos propositions s'inscrivent dans une volonté de transfert de connaissances issues de l'informatique, de l'analyse spatiale et de la géographie vers la géolinguistique. Ces recherches se placent donc dans le paradigme des humanités numériques spatialisées et présentent des enjeux transdisciplinaires. Note de contenu : Introduction générale
1- Méthodes et pratiques cartographiques en géolinguistique
2- Contributions méthodologiques et outillage logiciel
Conclusion généraleNuméro de notice : 28677 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Ingénierie de la Cognition, de l’Interaction, de l’Apprentissage et de la Création : Grenoble : 2021 Organisme de stage : Laboratoire d'Informatique de Grenoble DOI : sans En ligne : https://hal.science/tel-03350462 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99971 Volumes by tree species can be predicted using photogrammetric UAS data, Sentinel-2 images and prior field measurements / Mikko Kukkonen in Silva fennica, vol 55 n° 1 (January 2021)
[article]
Titre : Volumes by tree species can be predicted using photogrammetric UAS data, Sentinel-2 images and prior field measurements Type de document : Article/Communication Auteurs : Mikko Kukkonen, Auteur ; Eetu Kotivuori, Auteur ; Matti Maltamo, Auteur ; Lauri Korhonen, Auteur ; Petteri Packalen, Auteur Année de publication : 2021 Article en page(s) : n° 10360 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] classification barycentrique
[Termes IGN] données de terrain
[Termes IGN] données localisées 3D
[Termes IGN] Finlande
[Termes IGN] forêt boréale
[Termes IGN] image captée par drone
[Termes IGN] image Sentinel-MSI
[Termes IGN] inventaire forestier local
[Termes IGN] modèle de simulation
[Termes IGN] régression
[Termes IGN] semis de points
[Termes IGN] volume en boisRésumé : (auteur) Photogrammetric point clouds obtained with unmanned aircraft systems (UAS) have emerged as an alternative source of remotely sensed data for small area forest management inventories (FMI). Nonetheless, it is often overlooked that small area FMI require considerable field data in addition to UAS data, to support the modelling of forest attributes. In this study, we propose a method whereby tree volumes by species are predicted with photogrammetric UAS data and Sentinel-2 images, using models fitted with airborne laser scanning data. The study area is in a managed boreal forest area in Eastern Finland. First, we predicted total volume with UAS point cloud metrics using a prior regression model fitted in another area with ALS data. Tree species proportions were then predicted by k nearest neighbor (k-NN) imputation based on bi-seasonal Sentinel-2 images without measuring new field plot data. Species-specific volumes were then obtained by multiplying the total volume by species proportions. The relative root mean square error (RMSE) values for total and species-specific volume predictions at the validation plot level (30 m × 30 m) were 9.0%, and 33.4–62.6%, respectively. Our approach appears promising for species-specific small area FMI in Finland and in comparable forest conditions in which suitable field plots are available. Numéro de notice : A2021-738 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.14214/sf.10360 En ligne : https://doi.org/10.14214/sf.10360 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98703
in Silva fennica > vol 55 n° 1 (January 2021) . - n° 10360[article]STME: An effective method for discovering spatiotemporal multi‐type clusters containing events with different densities / Chao Wang in Transactions in GIS, Vol 24 n° 6 (December 2020)
[article]
Titre : STME: An effective method for discovering spatiotemporal multi‐type clusters containing events with different densities Type de document : Article/Communication Auteurs : Chao Wang, Auteur ; Zhenhong Du, Auteur ; Yuhua Gu, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 1559 - 1577 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] analyse de groupement
[Termes IGN] classification barycentrique
[Termes IGN] données spatiotemporelles
[Termes IGN] exploration de données
[Termes IGN] exploration de données géographiques
[Termes IGN] New York (Etats-Unis ; ville)
[Termes IGN] origine - destination
[Termes IGN] Pékin (Chine)
[Termes IGN] taxiRésumé : (Auteur) Clustering on spatiotemporal point events with multiple types is an important step for exploratory data mining and can help us reveal the correlation of event types. In this article, we present an effective method for discovering spatiotemporal multi‐type clusters containing events with different densities and event types (STME). Particularly, the type of events in a cluster can be different, and clusters with similar densities but different internal compositions should be distinguished. We use the distance to the kth nearest neighbour to define the size of the searched neighbourhood, and expand clusters by the concept of cluster reachable, ensuring that the proportion of various types of events in the cluster remains stable. The concept of clustering priority is also proposed to make the cluster always expand from the region with the highest density, which improves the robustness of clustering. Moreover, the density of multiple types of events in clusters is estimated to discover the internal structure of clusters and further explore the correlation between events. The effectiveness of the STME algorithm is demonstrated in several simulated and real data sets, including points of interest data in Beijing and the origins and destinations of taxi trips in New York. Numéro de notice : A2020-768 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/tgis.12662 Date de publication en ligne : 19/07/2020 En ligne : https://doi.org/10.1111/tgis.12662 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96660
in Transactions in GIS > Vol 24 n° 6 (December 2020) . - pp 1559 - 1577[article]Visualization of 3D property data and assessment of the impact of rendering attributes / Stefan Seipel in Journal of Geovisualization and Spatial Analysis, vol 4 n° 2 (December 2020)PermalinkApplication of convolutional and recurrent neural networks for buried threat detection using ground penetrating radar data / Mahdi Moalla in IEEE Transactions on geoscience and remote sensing, vol 58 n° 10 (October 2020)PermalinkTowards dynamic forest trafficability prediction using open spatial data, hydrological modelling and sensor technology / Aura Salmivaara in Forestry, an international journal of forest research, vol 93 n° 5 (October 2020)PermalinkTree species classification using structural features derived from terrestrial laser scanning / Louise Terryn in ISPRS Journal of photogrammetry and remote sensing, vol 168 (October 2020)PermalinkAn overview of clustering methods for geo-referenced time series: from one-way clustering to co- and tri-clustering / Xiaojing Wu in International journal of geographical information science IJGIS, vol 34 n° 9 (September 2020)PermalinkAssessing local trends in indicators of ecosystem services with a time series of forest resource maps / Matti Katila in Silva fennica, vol 54 n° 4 (September 2020)PermalinkCan ensemble techniques improve coral reef habitat classification accuracy using multispectral data? / Mohammad Shawkat Hossain in Geocarto international, vol 35 n° 11 ([01/08/2020])PermalinkHyperspectral classification with noisy label detection via superpixel-to-pixel weighting distance / Bing Tu in IEEE Transactions on geoscience and remote sensing, vol 58 n° 6 (June 2020)PermalinkAssessing alternative methods for unsupervised segmentation of urban vegetation in very high-resolution multispectral aerial imagery / Allison Lassiter in Plos one, vol 15 n° 5 (May 2020)PermalinkClassification and segmentation of mining area objects in large-scale spares Lidar point cloud using a novel rotated density network / Yueguan Yan in ISPRS International journal of geo-information, vol 9 n° 3 (March 2020)Permalink