Descripteur
Termes IGN > informatique > intelligence artificielle > apprentissage automatique > apprentissage dirigé
apprentissage dirigéSynonyme(s)apprentissage superviséVoir aussi |
Documents disponibles dans cette catégorie (198)
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
L'appariement pour la constitution de bases de données géographiques multirésolutions. Vers une interprétation des différences de représentation / David Sheeren in Revue internationale de géomatique, vol 12 n° 2 (juin - août 2002)
[article]
Titre : L'appariement pour la constitution de bases de données géographiques multirésolutions. Vers une interprétation des différences de représentation Type de document : Article/Communication Auteurs : David Sheeren , Auteur Année de publication : 2002 Article en page(s) : pp 151 - 168 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Information géographique
[Termes IGN] appariement de données localisées
[Termes IGN] appariement de modèles conceptuels de données
[Termes IGN] apprentissage automatique
[Termes IGN] apprentissage dirigé
[Termes IGN] base de données localisées
[Termes IGN] données multisources
[Termes IGN] interprétation automatique
[Termes IGN] représentation multipleRésumé : (Auteur) L'utilisation de plusieurs bases de données géographiques sur une même portion du territoire conduit à manipuler des représentations du monde qui diffèrent en fonction des spécifications, de l'échelle de saisie, de la qualité, de l'actualité. Ces différences sont susceptibles d'engendrer des réponses contradictoires à une requête formulée dans un système multirésolutions suivant la représentation utilisée. L'objectif de cet article est d'exposer les premiers éléments d'une méthodologie d'interprétation automatique des différences de représentation, et de déterminer si cellesci sont justifiées ou non au regard des spécifications. La méthodologie repose sur un processus d'appariement qui permet de relier les données, mais qui peut aussi aider à identifier des concepts communs et extraire de nouvelles connaissances. Numéro de notice : A2002-214 Affiliation des auteurs : COGIT (1988-2011) Thématique : GEOMATIQUE Nature : Article DOI : 10.3166/rig.12.151-168 En ligne : http://dx.doi.org/10.3166/rig.12.151-168 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=22129
in Revue internationale de géomatique > vol 12 n° 2 (juin - août 2002) . - pp 151 - 168[article]Réservation
Réserver ce documentExemplaires(2)
Code-barres Cote Support Localisation Section Disponibilité 047-02021 RAB Revue Centre de documentation En réserve L003 Disponible 047-02022 RAB Revue Centre de documentation En réserve L003 Disponible Généralisation et représentation multiple / Anne Ruas (2002)
Titre : Généralisation et représentation multiple Type de document : Monographie Auteurs : Anne Ruas , Éditeur scientifique Editeur : Paris : Hermès Année de publication : 2002 Importance : 400 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-2-7462-0494-2 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Termes IGN] algorithme de Douglas-Peucker
[Termes IGN] analyse spatiale
[Termes IGN] appariement de données localisées
[Termes IGN] apprentissage dirigé
[Termes IGN] base de données localisées
[Termes IGN] bati
[Termes IGN] carte de Kohonen
[Termes IGN] données maillées
[Termes IGN] données thématiques
[Termes IGN] données vectorielles
[Termes IGN] échelle cartographique
[Termes IGN] généralisation à la volée
[Termes IGN] généralisation cartographique automatisée
[Termes IGN] graphe
[Termes IGN] ilot
[Termes IGN] MADS
[Termes IGN] modélisation
[Termes IGN] polygone
[Termes IGN] représentation multiple
[Termes IGN] réseau neuronal artificiel
[Termes IGN] réseau routier
[Termes IGN] système d'information géographique
[Termes IGN] système multi-agents
[Termes IGN] ville
[Vedettes matières IGN] GénéralisationRésumé : (Documentaliste) Cet ouvrage a pour objet de rapprocher deux types de processus concernant les données localisées : la représentation multiple qui "fait coexister plusieurs représentations du territoire pour faciliter certaines opérations faites sur ces données" et la généralisation qui "consiste à abstraire l'information" pour en faciliter leur usage. Les concepts sont rappelés et les problématiques de chaque démarche sont explicitées. La représentation multiple est présentée avec des applications qui s'appuient sur le modèle MADS, l'outil Perceptory ou la métastructure Vuel. Après la définition de l'appariement et des mesures nécessaires à la généralisation, des réalisations de généralisation automatisée sont présentées autour du réseau routier, des composants de la ville, des bâtiments. D'autres applications originales s'intéressent aux données thématiques dites "catégorielles", aux cartes marines et enfin, des expériences sur des processus de gestion des conflits d'espace, de généralisation à la volée ou encore d'apprentissage dirigé sont relatées. Note de contenu : PREMIÈRE PARTIE PRINCIPES ET PROBLÉMATIQUES
Chapitre 1 Echelle et niveau de détail / Anne RUAS et Alberta BIANCHIN
1.1 Introduction
1.2 L'espace géographique
- Représenter quoi ? Comment ?
- Représenter " en place "
1.3 La carte et son échelle
- L'échelle et la taille des objets géographiques
- Echelles et saut de contenu
1.4 Bases de données géographiques et niveau de détail
- Schéma conceptuel et schéma logique
- Le niveau de détail d'une base de données
- Les pièges des bases de données géographiques
1.5 Faire une carte à partir d'une base de données géographiques
1.6 Conclusion
1.7 Bibliographie
Chapitre 2 Pourquoi associer les représentations des données géographiques ? / Anne RUAS
2.1 Introduction
2.2 Schéma et données
- Quelques définitions
- Schémas et données géographiques
- Transformer le schéma conceptuel
2.3 Produire des données géographiques : besoins et difficultés
- Situation actuelle : des bases de données indépendantes
- Associer des représentations
2.4 Conclusion
2.5 Bibliographie
Chapitre 3 La problématique de la représentation multiple / Thomas DEVOGELE, Thierry BADARD, Thérèse LIBOUREL
3.1 Introduction
- Les origines
- Représentation multiple en IA
- La représentation multiple en BD
3.2 Le cas de l'information géographique
- L'intérêt des représentations multiples pour les applications SIG
- Les différents types de représentations multiples
- Les structures de stockages spécifiques
3.4 Synthèse
3.5 Bibliographie
Chapitre 4 Les problématiques de l'automatisation de la généralisation / Anne RUAS
4.1 Introduction
4.2 Identifier ce qui est porteur de sens
4.3 Les opérations et les algorithmes de généralisation
4.4 Les modèles de généralisation
4.5 La caractérisation de l'espace
4.6 L'automatisation du processus est-elle possible ?
4.7 Bibliographie
DEUXIÈME PARTIE LA REPRÉSENTATION MULTIPLE
Chapitre 5 Modélisation et manipulation de données spatiales avec multi-représentation dans le modèle MADS / Christelle VANGENOT, Christine PARENT, Stefano SPACCAPIETRA
5.1 Introduction
5.2 Le modèle MADS
- Orthogonalité des dimensions structurelles, spatiales et temporelles
- Dimension spatiale dans MADS
- Dimension temporelle dans MADS
- Associations à contrainte
- Associations de causalité
5.3 Les paramètres de multireprésentation
5.4 Estampilles
5.5 Approches pour la multireprésentation
5.6 L'approche par intégration des représentations
- Estampillage des types d'objet, attributs et leurs valeurs
- Estampillage des instances
- Estampillage des types d'association
5.7 L'approche par mise en correspondance des représentations
5.8 Manipulation des données multireprésentation
5.9 Conclusion
5.10 Bibliographie
Chapitre 6 Représentation multiple et généralisation avec UML et l'outil Perceptory / Marie-Josée PROULX, Suzie LARRIVÉE, Yvan BÉDARD
6.1 Introduction
6.2 Introduction aux diagrammes de classes d'UNIL
6.3 Philosophie symbiotique soustendant Perceptory
6.4 Le PVL spatial
- L'utilisation de la cardinalité avec les pictogrammes
- La géométrie dérivée
- Pictogrammes aux attributs
- Détails de la géométrie
6.5 Modélisation de la représentation multiple et de la généralisation dans Perceptory
- Règles générales de modélisation
- Règles spécifiques de modélisation
- Notation graphique
6.6 Exemples d'applications
- Modélisation d'un objet où toutes les occurrences sont généralisables
- Modélisation d'un objet où toutes les occurrences ne sont pas généralisables
- Modélisation d'un objet où la généralisation implique un remplacement
6.7 Conclusion
6.8 Bibliographie
Chapitre 7 Implantation du modèle conceptuel MADS avec multireprésentation / Christine PARENT, Esteban ZIMÀNYI, Mohammed MINOUT, Ali AISSAOUI
7.1 Introduction
7.2 Architecture du module de traduction
7.3 Le module des règles de transformation
- Règles de transformations structurelles
- Règles de transformation de la multireprésentation
- Règles de transformations spatiales
- Règles de transformations temporelles
7.4 Modules spécifiques des systèmes cibles
7.5 Exemple
7.6 Conclusions et perspectives
7.7 Bibliographie
Chapitre 8 La métastructure vuel et la gestion des représentations multiples / Yvan BÉDARD, Eveline BERNIER, Rodolphe DEVILLERS
8.1 Introduction
8.2 Les concepts théoriques à la base du VUEL
8.3 Le métamodèle du concept de vuel
- Les trois volets du métamodèle
- La gestion des relations de généralisation pour accéder aux multiplicités multiéchelles
8.4 L'implantation du métamodèle du vuel
- De l'approche transactionnelle à l'approche multidimensionnelle
- Le modèle d'implantation du concept de vuel
8.5 Conclusion
8.6 Bibliographie
Chapitre 9 Associer des données : l'appariement / Thierry BADARD et Cécile LEMARIÉ
9.1 Introduction
9.2 Les différents algorithmes d'appariement
- Appariement sémantique
- Appariement géométrique
- Appariement topologique
9.3 Le processus d'appariement
- Cardinalité des liens d'appariement
- Fonctionnement du processus d'appariement
9.4 Conclusion et perspectives
- Nécessité d'un appariement adapté au but visé
- Notion de qualité des liens d'appariement
- Amélioration de la détection des appariements entre groupes d'objets
9.5 Bibliographie
TROISIÈME PARTIE LA GÉNÉRALISATION
Chapitre 10 Mesures et structures d'analyse / Xavier BARILLOT
10.1 Introduction
10.2 Contexte et buts
10.3 Difficultés rencontrées lors de l'élaboration d'une mesure
- Formalisation du concept mental ou visuel
- Implémentation
- Signification du résultat
10.4 Structures d'analyse
- Représentation des objets
- Graphes spatiaux
10.5 Outils d'aide à la conception et à la description des mesures
- Classification des mesures
- Grille de description des mesures
10.6 Conclusion
10.7 Bibliographie
Chapitre 11 Analyse des formes des routes / Xavier BARILLOT et Corinne PLAZANET
11.1 Introduction
11.2 Propriétés géométriques des routes
11.3 Comment caractériser la forme d'une route ?
11.4 La méthode hiérarchique
- Les critères (perceptuels) d'analyse
- Modélisation hiérarchique de la forme des routes
- Méthode d'implémentation de l'arbre hiérarchique
- Conclusion
11.5 Une méthode ascendante
- Découpage en virage
- Caractérisation des virages
- Regroupement pour analyse statistique
11.6 Conclusion
11.7 Bibliographie
Chapitre 12 L'analyse des villes / Annabelle BOFFET
12.1 Introduction
12.2 Une description globale de la ville
- Le système ville
- Création et qualification du système ville
- Dynamique de création et qualification du système ville
12.3 Description des composants du système ville
- La ville
- Les îlots
- Les structures bâties
- Les quartiers
12.4 Conclusion et perspectives
12.5 Bibliographie
Chapitre 13 La généralisation du linéaire routier : des algorithmes et leur enchaînement / Sébastien MUSTIÈRE et François LECORDIX
13.1 Introduction
13.2 Filtrage et lissage
13.3 Approches globales et Plâtre
13.4 L'approche locale
- Principes
- Des algorithmes locaux pour la généralisation des routes
- Segmentation de la ligne
- GALBE
- Résultats et analyse
13.5 Conclusion
13.6 Bibliographie
Chapitre 14 Généralisation des bâtiments / Nicolas REGNAULD
14.1 Introduction
14.2 Représentation du bâti sur la carte
14.3 Analyse de la généralisation manuelle
- Techniques utilisées en généralisation manuelle
- Contraintes régissant l'utilisation des outils de généralisation
14.4 Généralisation automatique pour le bâti
14.5 Approche multiniveau avec contrôle par contraintes actives
14.6 Conclusion
14.7 Bibliographie
Chapitre 15 Algorithmes de généralisation des données catégorielles / Martin GALANDA et Robert WEIBEL
15.1 Introduction
15.2 Les données catégorielles et leur généralisation
15.3 Généralisation des données catégorielles en mode maillé
15.4 Généralisation des données catégorielles en mode vecteur
- Algorithmes de généralisation de polygones
- Un processus global de généralisation de polygones
15.5 Conclusions
15.6 Bibliographie
Chapitre 16 Les algorithmes de déplacement / Mathieu BARRAULT et Matthias BADER
16.1 Introduction
16.2 Les problèmes
- La source des conflits
- Les caractéristiques impliquées
16.3 Les approches locales et globales
- Les approches locales
- Les approches globales
16.4 Améliorations de la méthode des snakes
- Extension des snakes
- Un modèle physique de l'énergie interne : la structure de poutres
- Résultats
16.5 Conclusion
16.6 Bibliographie
Chapitre 17 La généralisation des cartes marines / Eric SAUX, Rémy THIBAUD, Thomas DEVOGELE, Rodérie BÉRA, Eric GUILBERT
17.1 Introduction
17.2 Les contraintes de la généralisation cartographique de la bathymétrie
17.3 Méthodes d'enrichissement par segmentation
- Objectifs
- Principes de segmentation adaptés au relief numérique
17.4 Généralisation des sondes
- Les contraintes
- Principe
17.5 Généralisation des isobathes
- Les contraintes
- Les opérateurs de généralisation
- Modélisation des isobathes
17.6 Stratégies de généralisation
- Généralisation manuelle
- Stratégie automatisée
17.7 Conclusion
17.8 Bibliographie
Chapitre 18 La généralisation à la volée / Robert WEIBEL, Eveline BERNIER, Yvan BÉDARD, Alessandro CECCONI
18.1 Introduction
18.2 Définition et applications de la généralisation à la volée
- Définition de la généralisation à la volée
- Définition et contraintes de deux applications qui requièrent une généralisation à la volée
18.3 Etat des connaissances
- L'approche orientée traitements
- L'approche orientée représentations
18.4 Vers de nouvelles solutions combinatoires
18.5 Conclusion
18.6 Bibliographie
Chapitre 19 Une approche à base de cartes de Kohonen pour la généralisation cartographique de zones de points de forte densité / Mohamad Khaled ALLOUCHE et Bernard MOULIN
19.1 Introduction
19.2 Reconnaissance de patterns
19.3 Réseaux neuronaux
19.4 Carte de Kohonen
- Initialisation
- Apprentissage
- Localisation des régions denses
19.5 Regroupement
- Marquage des points
- Construction des polygones
- Regroupement incrémental
19.6 Automatisation
19.7 Résultats
19.8 Conclusion
19.9 Bibliographie
Chapitre 20 Généralisation cartographique et apprentissage automatique à partir d'exemples / Sébastien MUSTIÉRE et Jean Daniel ZUCKER
20.1 Introduction
20.2 L'apprentissage supervisé
20.3 Apprendre quoi ?
- Apprendre de géométrie à géométrie
- Apprendre quelle transformation réaliser
- Apprendre à partir de mesures descriptives
20.4 Recueil ou fabrication des exemples
20.5 Forme des exemples manipulés
20.6 Expérimentations sur la généralisation des routes
- Première expérimentation : apprentissage direct
- Deuxième expérimentation : guider l'apprentissage automatique
20.7 Conclusion
20.8 Bibliographie
Chapitre 21 Le modèle AGENT / Cécile DUCHÊNE et Nicolas REGNAULD
21.1 Introduction
21.2 Le modèle statique : agents, contraintes et niveaux d'analyse
Les agents géographiques
Les contraintes
Les niveaux d'analyse
Le modèle de données
21.3 La dynamique: le moteur AGENT
21.4 Les résultats
Les données urbaines
Les routes
21.5 Conclusion et perspectives
21.6 BibliographieNuméro de notice : 10176 Affiliation des auteurs : IGN (1940-2011) Thématique : GEOMATIQUE/INFORMATIQUE Nature : Recueil / ouvrage collectif Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=39757 Contient
- Généralisation et représentation multiple, ch. 9. Associer des données : l'appariement / Cécile Lemarié (2002)
- Généralisation et représentation multiple, ch. 10. Mesures et structures d'analyse / Xavier Barillot (2002)
- Généralisation et représentation multiple, ch. 11. Analyse des formes des routes / Xavier Barillot (2002)
- Généralisation et représentation multiple, ch. 12. L'analyse des villes / Annabelle Boffet (2002)
- Généralisation et représentation multiple, ch. 21. Le modèle Agent / Cécile Duchêne (2002)
- Généralisation et représentation multiple, ch. 13. La généralisation du linéaire routier : des algorithmes et leur enchainement / Sébastien Mustière (2002)
- Généralisation et représentation multiple, ch. 2. Pourquoi associer les représentations des données géographiques ? / Anne Ruas (2002)
- Généralisation et représentation multiple, ch. 20. Généralisation cartographique et apprentissage automatique à partir d'exemples / Sébastien Mustière (2002)
- Généralisation et représentation multiple, ch. 3. La problématique de la représentation multiple / Thomas Devogele (2002)
- Généralisation et représentation multiple, ch. 1. Echelle et niveau de détail / Anne Ruas (2002)
- Généralisation et représentation multiple, ch. 4. Les problématiques de l'automatisation de la généralisation / Anne Ruas (2002)
- Généralisation et représentation multiple, ch. 11. Analyse des formes des routes / Xavier Barillot (2002)
Réservation
Réserver ce documentExemplaires(10)
Code-barres Cote Support Localisation Section Disponibilité 10176-08 37.30 Livre Centre de documentation Géomatique Disponible 10176-07 37.30 Livre Centre de documentation Géomatique Disponible 10176-06 37.30 Livre Centre de documentation Géomatique Disponible 10176-05 37.30 Livre Centre de documentation Géomatique Exclu du prêt 10176-04 37.30 Livre Centre de documentation Géomatique Disponible 10176-01 DEP-TRS Livre LASTIG Dépôt en unité Exclu du prêt 10176-02 DEP-TRS Livre LASTIG Dépôt en unité Exclu du prêt 10176-09 DEP-TRS Livre LASTIG Dépôt en unité Exclu du prêt 10176-10 DEP-TRS Livre LASTIG Dépôt en unité Exclu du prêt 10176-03 DEP-TA Livre Saint-Mandé Dépôt en unité Exclu du prêt Généralisation et représentation multiple, ch. 20. Généralisation cartographique et apprentissage automatique à partir d'exemples / Sébastien Mustière (2002)
Titre de série : Généralisation et représentation multiple, ch. 20 Titre : Généralisation cartographique et apprentissage automatique à partir d'exemples Type de document : Chapitre/Contribution Auteurs : Sébastien Mustière , Auteur ; Jean Daniel Zucker, Auteur Editeur : Paris : Hermès Année de publication : 2002 Importance : pp 353 - 368 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Termes IGN] apprentissage dirigé
[Termes IGN] généralisation cartographique automatisée
[Vedettes matières IGN] GénéralisationNuméro de notice : H2002-010 Affiliation des auteurs : COGIT+Ext (1988-2011) Thématique : GEOMATIQUE/INFORMATIQUE Nature : Chapître / contribution Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=65891
Titre : Apprentissage supervisé pour la généralisation cartographique Type de document : Thèse/HDR Auteurs : Sébastien Mustière , Auteur ; J.G. Ganascia, Directeur de thèse Editeur : Paris : Université de Paris 6 Pierre et Marie Curie Année de publication : 2001 Importance : 241 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse de doctorat en informatique, option intelligence artificielleLangues : Français (fre) Descripteur : [Termes IGN] apprentissage dirigé
[Termes IGN] base de connaissances
[Termes IGN] exagération de forme
[Termes IGN] généralisation cartographique automatisée
[Termes IGN] objet géographique
[Termes IGN] réseau routier
[Termes IGN] système expert
[Vedettes matières IGN] GénéralisationIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) Cette thèse a pour contexte l'automatisation de la généralisation cartographique, processus de création d'une carte à partir d'une base de données géographique trop détaillée. Pour réaliser cela, de nombreux algorithmes existent pour transformer la géométrie des objets géographiques à représenter sur la carte, mais aucun d'entre eux n'est générique. Nous adoptons alors une approche pas à pas, adaptative et focalisée, où le traitement d'un objet nécessite l'application de plusieurs algorithmes sur des espaces de travail adéquats. Dans ce contexte, il faut définir des règles permettant de choisir quels algorithmes appliquer sur un objet donné à partir de la description de celui-ci par un ensemble de mesures numériques. Un processus d'enchaînement des algorithmes est mis au point empiriquement pour la généralisation des routes. L'efficacité et les limites de ce processus conduisent à envisager l'utilisation de l'apprentissage automatique supervisé pour acquérir les connaissances nécessaires à un système expert cartographique. Notre problème d'apprentissage se caractérise par la recherche de règles efficaces et compréhensibles à partir d'exemples peu nombreux, bruités et de description riche. Un apprentissage classique produit alors des règles de faible qualité. Pour améliorer cela, nous guidons l'apprentissage par les connaissances du domaine en décomposant notre problème d'apprentissage en plusieurs sous-problèmes plus simples : nous apprenons tout à tour à abstraire puis à choisir comment transformer les objets géographiques manipulés. La phase d'abstraction consiste à reformuler la représentation des observables sous la forme d'un ensemble restreint de nouveaux attributs symboliques. La phase de choix de transformation consiste à déterminer quelle transformation réaliser en fonction de la description abstraite de l'objet. L'introduction de cette phase d'abstraction permet d'apprendre des règles cartographiques à la fois plus efficaces et plus compréhensibles qu'un apprentissage direct. Elle permet d'améliorer ainsi la qualité cartographique des résultats obtenus. Note de contenu : A GENERALISATION CARTOGRAPHIQUE AUTOMATIQUE
A. 1 Représentation de l'Information Géographique Numérique
A. 2 Opérations de généralisation cartographique
1 Simplifier
2 Caricaturer
3 Harmoniser
A.3 Algorithmes de généralisation cartographique
1 De la compression aux premiers algorithmes de généralisation
2 Propriétés des algorithmes de généralisation :
- Trois algorithmes représentatifs de différentes approches
- Contraintes, opérations, et champ d'application des algorithmes
3 Enchainement des algorithmes .
A.4 Recueil des connaissances de généralisation
A.5 Sujet et approche.
B GENERALISATION CARTOGRAPHIQUE DES ROUTES : LE PROCESSUS GALBE
B. 1 Domaine d'application : les routes pour les cartes routières
B.2 Règles de généralisation cartographique des routes
B.3 Le bon espace de travail pour les routes
1 Focalisation idéale
2 Focalisation selon l'empâtement
- Définitions théoriques de l'empâtement
- Evaluation empirique des définitions de l'empâtement
- Implémentation et résultats
B 4 Algorithmes de transformation
1 Algorithmes de caricature d'une série de virages empâtée
2 Algorithmes de caricature d'un virage empâté
3 Algorithmes de simplification d'une ligne entière BAA Propagation des déformations
B.5 Processus GALBE
1 Mesures de description
2 Moteur du processus
B.6 Evaluation des résultats
1 Analyse par des cartographes
2 Application au réseau routier des cartes au 1:250.000
3 Bilan de GALBE
B.7 Vers l'utilisation de l'apprentissage automatique
C APPRENTISSAGE AUTOMATIQUE SUPERVISE
C.1 Présentation de l'apprentissage supervisé et définitions
C.2 Poser un problème d'apprentissage
C.3 Algorithmes d'apprentissage
1 L'apprentissage supervisé, un problème de recherche
2 Mise en ceuvre des biais d'apprentissage
3 Types d'algorithmes existants
4 Choisir un algorithme d'apprentissage
5 Combiner plusieurs algorithmes.
C 4 Vers des connaissances plus efficaces et mieux structurées
C.5 Evaluation de l'apprentissage
1 Evaluation théorique
2 Evaluation empirique
C.6 Conclusion
D APPRENTISSAGE ET GENERALISATION CARTOGRAPHIQUE
D. 1 Introduction
1 Bref rappel du problème
2 Contexte : utilisation de la tâche apprise.
D. 2 Spécificité de notre problème vis-à-vis de l'apprentissage
1 Difficultés du recueil d'exemples
2 Bruit sur les exemples
3 Taille des exemples
4 Bilan : caractéristiques des exemples
D. 3 Abstraire
1 Modèle théorique d'abstraction
2 Abstraction et cartographie
3 Abstraction et apprentissage
D. 4 Construction de la méthode de résolution de problème
1 Méthode initiale de résolution de problème
2 Abstraire les mesures
3 Déterminer et spécifier : opération, algorithme
4 Couvrir et différencier : algorithmes applicables, algorithme choisi
5 Paramétrage des algorithmes
D. 5 Bilan -processus d'apprentissage
1 Méthode de définition du processus d'apprentissage
2 Intérêt de l'approche
E EXPERIMENTATION DE L'APPRENTISSAGE SUR LES ROUTES
E. 1 Présentation des tests
1 Objetsétudiés
2 Langage abstrait utilisé
3 Mesures utilisées
4 Opérations et algorithmes géométriques utilisés
5 Méthode de résolution de problème choisie
6 Recueil des exemples
7 Algorithme d'apprentissage utilisé : RIPPER
8 Expérimentations réalisées
E. 2 Résultats : règles apprises
1 Détermination des attributs descriptifs abstraits
2 Détermination de l'opération .
3 Applicabilité des algorithmes
4 Choix de l'algorithme
5 Pararnétrage
6 Enchaînement des inférences
E. 3 Analyse cartographique de l'application des regles apprises
1 Qualite des résultats
2 Analyse des erreurs
3 Convergence et temps de calcul
4 Généricité de lieu et d'échelle
E. 4 Intérêt de la méthode de résolution de problème
1 Comparaison a l'apprentissage direct.
2 Influence de chaque étape
3 Intérêt de l'étape d'abstraction des mesures
E. 5 Bilan des expérimentationsNuméro de notice : 11635 Affiliation des auteurs : COGIT (1988-2011) Thématique : GEOMATIQUE Nature : Thèse française Note de thèse : Thèse de doctorat : Informatique. Intelligence artificielle : Paris 6 : 2001 Organisme de stage : COGIT (IGN) nature-HAL : Thèse DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=45165 Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 11635-01 THESE Livre Centre de documentation Thèses Disponible Documents numériques
en open access
11635_these_2001_mustiere.pdfAdobe Acrobat PDF Contrôle de la qualité d'une base de données géographiques / Carlos Goncalves (2001)
Titre : Contrôle de la qualité d'une base de données géographiques Type de document : Mémoire Auteurs : Carlos Goncalves, Auteur Editeur : Paris : Université de Paris 6 Pierre et Marie Curie Année de publication : 2001 Importance : 44 p. Format : 21 x 30 cm Note générale : bibliographie
Rapport de stage DEA de StatistiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Bases de données localisées
[Termes IGN] arbre quadratique
[Termes IGN] erreur d'échantillon
[Termes IGN] erreur systématique
[Termes IGN] estimateur
[Termes IGN] qualité des données
[Termes IGN] répartition géographique
[Termes IGN] réseau routier
[Termes IGN] sondage statistique
[Termes IGN] varianceIndex. décimale : DEA Divers DEA et quelques masters actuels de recherche Résumé : (auteur) [introduction] La réalisation d'une carte, procède qui se faisait autrefois entièrement la main, est aujourd'hui en partie automatisée. Ces nouvelles techniques permettent une plus grande souplesse : ainsi pour modifier certains éléments de la carte, il suffit de changer quelques codes de la base de données évitant ainsi de retracer intégralement la carte. Cependant le traitement informatique des données introduit de nouvelles erreurs, celles-ci pouvant être dues à la saisie ou aux processus employés. Il convient donc de mesurer avec précision ces erreurs ainsi que celles présentes dans les cartes traditionnelles. Le but de mon étude est d'appliquer les méthodes statistiques afin de pouvoir estimer ces erreurs avec la meilleure précision. Le problème essentiel est la constitution d'un échantillon représentatif permettant d'estimer ces erreurs. Il faudra dans un premier temps, fixer le cadre de l'étude, c'est à dire définir les populations étudiées ainsi que les variables considérées, puis adapter les méthodes existantes au domaine particulier de la cartographie. Les méthodes envisagées sont celles utilisées en sondages classiques. Toutefois ces méthodes n'ont pas été conçues pour résoudre des problèmes typiquement lies à la géographie, en particulier, elles ne rendent pas bien compte de la spatialisation des données. L'une des premières étapes consistera donc à trouver des modèles qui tiennent compte de la répartition géographique des données et de justifier la viabilité et l'intérêt de tels modèles. Plusieurs cas de figure se présentent en fonction de la répartition spatiale des données et des erreurs. Il s'agira donc d'adapter les différentes techniques et de suggérer des méthodes permettant d'optimiser les résultats dans chacun des cas. Note de contenu : Introduction
1 - Présentation de l'IGN
2 - Théorie des sondages classiques
3 - Les sondages géographiques
ConclusionNuméro de notice : 21665 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Mémoire DEA divers Organisme de stage : COGIT (IGN) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90861 Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 21665-01 DEA Livre Centre de documentation En réserve Mezzanine Disponible PermalinkMapping the 21st century: the 20th International Cartographic Conference, ICC 2001, Beijing, China, August 6 - 10, 2001, vol 2. Proceedings / L. Li (2001)PermalinkPermalinkReconnaissance d'objets par focalisation et détection de changement / Franck Jung (2001)PermalinkSpatial databases : with applications to GIS / Philippe Rigaux (2001)PermalinkPermalinkApprentissage automatique / Marc Sebban (1999)PermalinkConférence d'apprentissage 99, actes de CAP'99, Ecole Polytechnique, Palaiseau, 15-18 juin 1999 / Michèle Sebag (1999)PermalinkExperiments with Learning Techniques for Spatial Model Enrichment and Line Generalization / Corinne Plazanet in Geoinformatica, vol 2 n° 4 (December 1998)PermalinkExtraction, par apprentissage supervisé, de textures sur cartes géographiques / Robert Mariani in Bulletin d'information de l'Institut géographique national, n° 68 (octobre 1997)Permalink