Centre dedocumentation
scientifique

Automating and utilising equal-distribution data classification / Gennady Andrienko in International journal of cartography, vol 7 n° 1 (March 2021)  

Public [article]  inInternational journal of cartography > vol 7 n° 1 (March 2021) . - pp 100 - 115 Titre : Automating and utilising equal-distribution data classification Type de document : Article/Communication Auteurs : Gennady Andrienko, Auteur ; Natalia Andrienko, Auteur ; Ibad Kureshi, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 100 - 115 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Cartographie thématique [Termes descripteurs IGN] analyse spatiale [Termes descripteurs IGN] attribut géomètrique [Termes descripteurs IGN] attribut sémantique [Termes descripteurs IGN] carte choroplèthe [Termes descripteurs IGN] classification [Termes descripteurs IGN] exploration de données géographiques [Termes descripteurs IGN] intervalle de classe [Termes descripteurs IGN] répartition géographique Résumé : (Auteur) Data classification, i.e. organising data items in groups (classes), is a general technique widely used in data visualisation and cartography, in particular, for creation of choropleth maps. Conventionally, data are classified by dividing the data range into intervals and assigning the same symbol or colour to all data falling within an interval. For instance, the intervals may be of the same length or may include the same number of data items. We propose a method for defining intervals so that some quantity represented by values of another attribute is equally distributed among the classes. This kind of classification supports exploratory analysis of relationships between the attribute used for the classification and the distribution of the phenomenon whose quantity is represented by the additional attribute. The approach may be especially useful when the distribution of the phenomenon is very unequal, with many data items having zero or low quantities and quite a few items having larger quantities. With such a distribution, standard statistical analysis of the relationships may be problematic. We demonstrate the potential of the approach by analysing data referring to a set of spatially distributed people (patients) in relationship to characteristics of the areas in which the people live. Numéro de notice : A2021-184 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/23729333.2020.1863000 date de publication en ligne : 05/01/2021 En ligne : https://doi.org/10.1080/23729333.2020.1863000 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97114 [article]

Mapping uncertain geographical attributes: incorporating robustness into choropleth classification design / Wangshu Mu in International journal of geographical information science IJGIS, vol 34 n° 11 (November 2020)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 34 n° 11 (November 2020) . - pp 2204 - 2224 Titre : Mapping uncertain geographical attributes: incorporating robustness into choropleth classification design Type de document : Article/Communication Auteurs : Wangshu Mu, Auteur ; Daoqin Tong, Auteur Année de publication : 2020 Article en page(s) : pp 2204 - 2224 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Cartographie [Termes descripteurs IGN] attribut géomètrique [Termes descripteurs IGN] carte choroplèthe [Termes descripteurs IGN] conception cartographique [Termes descripteurs IGN] erreur d'échantillon [Termes descripteurs IGN] incertitude d'atttribut [Termes descripteurs IGN] incertitude des données [Termes descripteurs IGN] inférence statistique [Termes descripteurs IGN] méthode robuste [Termes descripteurs IGN] optimisation (mathématiques) Résumé : (auteur) Choropleth mapping provides a simple but effective visual presentation of geographical data. Traditional choropleth mapping methods assume that data to be displayed are certain. This may not be true for many real-world problems. For example, attributes generated based on surveys may contain sampling and non-sampling error, and results generated using statistical inferences often come with a certain level of uncertainty. In recent years, several studies have incorporated uncertain geographical attributes into choropleth mapping with a primary focus on identifying the most homogeneous classes. However, no studies have yet accounted for the possibility that an areal unit might be placed in a wrong class due to data uncertainty. This paper addresses this issue by proposing a robustness measure and incorporating it into the optimal design of choropleth maps. In particular, this study proposes a discretization method to solve the new optimization problem along with a novel theoretical bound to evaluate solution quality. The new approach is applied to map the American Community Survey data. Test results suggest a tradeoff between within-class homogeneity and robustness. The study provides an important perspective on addressing data uncertainty in choropleth map design and offers a new approach for spatial analysts and decision-makers to incorporate robustness into the mapmaking process. Numéro de notice : A2020-614 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2020.1726921 date de publication en ligne : 16/02/2020 En ligne : https://doi.org/10.1080/13658816.2020.1726921 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95987 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
079-2020111	SL	Revue	Centre de documentation	Revues en salle	Disponible

Open data, big data : quel renouveau du raisonnement cartographique ? / Emilie Lerond in Cartes & Géomatique, n° 235-236 (mars - juin 2018)

Public [article]  inCartes & Géomatique > n° 235-236 (mars - juin 2018) . - pp 109 - 118 Titre : Open data, big data : quel renouveau du raisonnement cartographique ? Type de document : Article/Communication Auteurs : Emilie Lerond, Auteur ; Olivier Klein, Auteur ; Jean-Philippe Antoni, Auteur Année de publication : 2018 Article en page(s) : pp 109 - 118 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Cartographie [Termes descripteurs IGN] analyse spatiale [Termes descripteurs IGN] attribut géomètrique [Termes descripteurs IGN] Besançon [Termes descripteurs IGN] conception cartographique [Termes descripteurs IGN] données localisées [Termes descripteurs IGN] données massives [Termes descripteurs IGN] édition en libre accès [Termes descripteurs IGN] mobilité urbaine [Termes descripteurs IGN] problème d'unité zonale modifiable [Termes descripteurs IGN] raisonnement spatial [Termes descripteurs IGN] représentation cartographique [Termes descripteurs IGN] source d'erreur Résumé : (auteur) Le mouvement d'open data, qui permet l'accès gratuit un grand nombre de données spatiales ou démographiques, associé au développement d'outils de cartographie ou de visualisation fibres (SIG, programme), a permis l'augmentation de la production de cartes. Seulement, l'automatisation des traitements permise par ces outils tend à gommer le raisonnement cartographique et peut conduire à des erreurs de construction cartographique, d'autant plus que la phase d'analyse des données peut s'avérer de plus en plus complexe dans un contexte de big data (en tant que données massives, peu structurées et désagrégées). Le raisonnement cartographique est le processus menant d'une donnée brute à une donnée transformée, interprétée et représentée. Il consiste en l'analyse statistique du jeu de données, en l'émission d'hypothèse(s) sur le jeu de données, aux choix de la variable du jeu de données représenté, de l'unité spatiale de base de la cartographie, et de la discrétisation retenue pour représenter au mieux le jeu de données. L'effet de cette représentation est important sur le résultat obtenu et ainsi sur la manière dont sera ensuite interprétée la variable. L'objectif de cette communication est de présenter un exemple de raisonnement cartographique à partir d'un jeu de données massives (plus de deux millions d'individus statistiques dans une zone d'étude d'environ 300 km2), en insistant sur l'influence des choix réalisés au cours du raisonnement cartographique : comment, à partir d'une même variable, la seule manière de cartographier peut nous conduire à des résultats graphiques très différents ? Numéro de notice : A2018-380 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90598 [article]

Réservation

Réserver ce document

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
021-2018011	SL	Revue	Centre de documentation	Revues en salle	Disponible
021-2018012	SL	Revue	Centre de documentation	Revues en salle	Disponible

Automatic registration of images to untextured geometry using average shading gradients / Tobias Plötz in International journal of computer vision, vol 125 n° 1-3 (December 2017)  

Public [article]  inInternational journal of computer vision > vol 125 n° 1-3 (December 2017) . - pp 65 - 81 Titre : Automatic registration of images to untextured geometry using average shading gradients Type de document : Article/Communication Auteurs : Tobias Plötz, Auteur ; Stefan Roth, Auteur Année de publication : 2017 Article en page(s) : pp 65 - 81 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes descripteurs IGN] attribut géomètrique [Termes descripteurs IGN] estimation de pose [Termes descripteurs IGN] gradient [Termes descripteurs IGN] maillage par triangles [Termes descripteurs IGN] ombre [Termes descripteurs IGN] SIFT (algorithme) [Termes descripteurs IGN] superposition d'images Résumé : (Auteur) Many existing approaches for image-to-geometry registration assume that either a textured 3D model or a good initial guess of the 3D pose is available to bootstrap the registration process. In this paper we consider the registration of photographs to 3D models even when no texture information is available. This is very challenging as we cannot rely on texture gradients, and even shading gradients are hard to estimate since the lighting conditions are unknown. To that end, we propose average shading gradients, a rendering technique that estimates the average gradient magnitude over all lighting directions under Lambertian shading. We use this gradient representation as the building block of a registration pipeline based on matching sparse features. To cope with inevitable false matches due to the missing texture information and to increase robustness, the pose of the 3D model is estimated in two stages. Coarse pose hypotheses are first obtained from a single correct match each, subsequently refined using SIFT flow, and finally verified. We apply our algorithm to registering images of real-world objects to untextured 3D meshes of limited accuracy. Moreover, we show that registration can be performed even for paintings despite lacking photo-realism. Numéro de notice : A2017-813 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Article DOI : 10.1007/s11263-017-1022-x En ligne : https://doi.org/10.1007/s11263-017-1022-x Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89255 [article]

A geometric correspondence feature based-mismatch removal in vision based-mapping and navigation / Zeyu Li in Photogrammetric Engineering & Remote Sensing, PERS, vol 83 n° 10 (October 2017)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 83 n° 10 (October 2017) . - pp 693 - 704 Titre : A geometric correspondence feature based-mismatch removal in vision based-mapping and navigation Type de document : Article/Communication Auteurs : Zeyu Li, Auteur ; Jinling Wang, Auteur ; Charles Toth, Auteur Année de publication : 2017 Article en page(s) : pp 693 - 704 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] analyse de groupement [Termes descripteurs IGN] appariement de données localisées [Termes descripteurs IGN] attribut géomètrique [Termes descripteurs IGN] erreur de positionnement [Termes descripteurs IGN] regroupement de données [Termes descripteurs IGN] vision par ordinateur Résumé : (auteur) Images with large-area repetitive texture, significant viewpoint, and illumination changes as well as occlusions often induce high-percentage keypoint mismatches, affecting the performance of vision-based mapping and navigation. Traditional methods for mismatch elimination tend to fail when the percentage of mismatches is high. In order to remove mismatches effectively, a new geometry-based approach is proposed in this paper, where Geometric Correspondence Feature (GCF) is used to represent the tentative correspondence. Based on the clustering property of GCFs from correct matches, a new clustering algorithm is developed to identify the cluster formed by the correct matches. With the defined quality factor calculated from the identified cluster, a Progressive Sample Consensus (PROSAC) process integrated with hyperplane-model is employed to further eliminate mismatches. Extensive experiments based on both simulated and real images in indoor and outdoor environments have demonstrated that the proposed approach can significantly improve the performance of mismatch elimination in the presence of high-percentage mismatches. Numéro de notice : A2017-690 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Article DOI : 10.14358/PERS.83.10.693 En ligne : https://doi.org/10.14358/PERS.83.10.693 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=87856 [article]

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2017101	SL	Revue	Centre de documentation	Revues en salle	En circulation Exclu du prêt

A novel preunmixing framework for efficient detection of linear mixtures in hyperspectral images / Andrea Marinoni in IEEE Transactions on geoscience and remote sensing, vol 55 n° 8 (August 2017)  

Permalink

Contributions méthodologiques pour la caractérisation des milieux par imagerie optique et lidar / Nesrine Chehata (2017)  

Permalink

Segmentation sémantique de données de télédétection multimodale : application aux peuplements forestiers / Clément Dechesne (2017)    

Permalink

Compilation de données radar et optiques pour la cartographie des classes d'occupation du sol aux environs du système lacustre de Bizerte (Tunisie du Nord) / Ibtissem Amri in Photo interpretation, European journal of applied remote sensing, vol 51 n° 2 (juin 2015)

Permalink

Vers une approche pluridisciplinaire des réseaux enterrés / Lucile Gimenez in XYZ, n° 135 (juin - août 2013)

Permalink

A geometry and texture coupled flexible generalization of urban building models / M. Zhang in ISPRS Journal of photogrammetry and remote sensing, vol 70 (June 2012)

Permalink

PostGIS pour les néophytes (3ème partie) : Géométries, création de tables et opérateurs élémentaires / Anonyme in Géomatique expert, n° 79 (01/03/2011)

Permalink

Extracting composite cartographic area features in low-quality maps / S. Leyk in Cartography and Geographic Information Science, vol 36 n° 1 (January 2009)

Permalink

DEM resolution dependencies of terrain attributes across a landscape / Y. Deng in International journal of geographical information science IJGIS, vol 21 n° 1-2 (january 2007)

Permalink

Enabling pattern-aware automated map generalization / Stefan Steiniger (2007) 

Permalink