Descripteur
Termes IGN > géomatique > base de données localisées > généralisation automatique de données
généralisation automatique de donnéesVoir aussi |
Documents disponibles dans cette catégorie (529)
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
Reconnaissance de patterns par réseaux de neurones / M.K. Allouche in Revue internationale de géomatique, vol 11 n° 2 (juin - aout 2001)
[article]
Titre : Reconnaissance de patterns par réseaux de neurones Type de document : Article/Communication Auteurs : M.K. Allouche, Auteur ; Bruno Moulin, Auteur Année de publication : 2001 Article en page(s) : pp 251 - 279 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Rédaction cartographique
[Termes IGN] classification par réseau neuronal
[Termes IGN] généralisation cartographique automatisée
[Termes IGN] lisibilité optique
[Termes IGN] qualité géométrique (image)
[Termes IGN] reconnaissance de formes
[Termes IGN] visionRésumé : (Auteur) La sélection des phénomènes à représenter pour préserver la lisibilité de la carte est l'une des opérations les plus difficiles en généralisation cartographique. Cette sélection met en jeu des habilités cognitives telles que la perception et la reconnaissance de phénomènes. L'évolution permanente des techniques actuelles de production de cartes requiert de plus en plus une automatisation de ce processus de généralisation. Les approches classiques de généralisation étant basées essentiellement sur des techniques de transformations géométriques appliquées aux objets cartographiques, nous nous sommes tournés vers une approche par réseaux de neurones. Dans cette approche, nous utilisons la méthode LVQ pour localiser automatiquement sur une carte les zones denses contenant des objets cartographiques de même type (maisons, lacs, etc.). Numéro de notice : A2001-152 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : sans En ligne : https://archives-rig.revuesonline.com/article.jsp?articleId=465 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=21847
in Revue internationale de géomatique > vol 11 n° 2 (juin - aout 2001) . - pp 251 - 279[article]Réservation
Réserver ce documentExemplaires(2)
Code-barres Cote Support Localisation Section Disponibilité 047-01021 RAB Revue Centre de documentation En réserve L003 Disponible 047-01022 RAB Revue Centre de documentation En réserve L003 Disponible An optimisation approach to cartographic generalisation / Lars Harrie (2001)
Titre : An optimisation approach to cartographic generalisation : doctoral thesis Type de document : Thèse/HDR Auteurs : Lars Harrie, Auteur Editeur : Lund [Suède] : Lund University Année de publication : 2001 Importance : 196 p. Format : 16 x 23 cm ISBN/ISSN/EAN : 978-91-628-4652-7 Note générale : bibliographie
Doctoral thesisLangues : Français (fre) Descripteur : [Termes IGN] base de données orientée objet
[Termes IGN] contrainte de cohérence
[Termes IGN] contrainte géométrique
[Termes IGN] généralisation cartographique
[Termes IGN] généralisation cartographique automatisée
[Termes IGN] méthode des moindres carrés
[Termes IGN] mise à jour de base de données
[Termes IGN] optimisation (mathématiques)
[Termes IGN] programmation par contraintes
[Termes IGN] représentation multiple
[Vedettes matières IGN] GénéralisationIndex. décimale : 37.70 Généralisation Résumé : (auteur) Cartographic generalisation is the process of simplifying a representation to suit the scale and purpose of a map. As such, generalisation has always been a central part in map production. This thesis is a contribution to the ongoing work on automating cartographic generalisation. Two topics are treated: optimisation methods in graphic generalisation, and propagation of updates between cartographic data sets of different scales. To enable an optimisation approach to graphic generalisation several topics are studied. Firstly, requirements are stated for defining a good map. These requirements can act as constraints and control the graphic generalisation process. In this thesis, ten analytical constraints for graphic generalisation are proposed, some for single objects and some for groups of objects. Rules are also established regarding when these constraints should be set up. Secondly, the least-squares method is studied as an approach to finding the optimal solution according to the constraints. Related to this, weighting strategies for the constraints are also discussed. Thirdly, computationally efficient methods are tested, which are especially important for establishing spatial relationships between objects and solving the large normal equation systems. Finally, the optimisation approach has been evaluated visually and quantitatively in mid-scale applications. Mapping organisations have to maintain cartographic data sets of different scales (resolutions). Ideally, mapping organisations should only be concerned with updating the most detailed data set and the updates should automatically be propagated to all other data sets. In this study, a prototype system was created for automatic propagation of updates. This system is integrated in an object-oriented map production software, in which the data sets are stored in a multiple representation database. The rules implemented in the prototype system were gathered from data set specifications and by studying printed map series. The propagation of updates performed by the prototype system was compared with manual propagation performed by a cartographer. Note de contenu : 1- Introduction
2- Cartographic generalisation concepts
3- Spatial concepts
4- Review of generalisation research
5- Summary of the papersNuméro de notice : 17192 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Thèse étrangère Note de thèse : Doctoral thesis : Surveying : Lund University : 2001 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=81159 Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 17192-01 37.70 Livre Centre de documentation Géomatique Disponible
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 Arbeitsgruppe "Automation in der Kartographie", Tagung 2000 / Bundesamt für Kartographie und Geodäsie (2001)
Titre : Arbeitsgruppe "Automation in der Kartographie", Tagung 2000 Type de document : Actes de congrès Auteurs : Bundesamt für Kartographie und Geodäsie, Auteur Editeur : Francfort sur le Main : Bundesamt für Kartographie und Geodäsie Année de publication : 2001 Collection : Mitteilungen des Bundesamtes für Kartographie und Geodäsie, ISSN 1436-3445 num. 20 Conférence : Arbeitsgruppe Automation in der Kartographie, Tagung 2000 Francfort sur le Main Allemagne Importance : 136 p. Format : 21 x 30 cm ISBN/ISSN/EAN : 978-3-88648-306-8 Note générale : Bibliographie Langues : Allemand (ger) Descripteur : [Vedettes matières IGN] Cartographie numérique
[Termes IGN] base de données
[Termes IGN] base de données localisées
[Termes IGN] généralisation cartographique automatisée
[Termes IGN] géodésie
[Termes IGN] informatique
[Termes IGN] Java (langage de programmation)
[Termes IGN] Open GIS Consortium
[Termes IGN] triangulationNuméro de notice : 68935 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Actes Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=37265 Réservation
Réserver ce documentExemplaires(2)
Code-barres Cote Support Localisation Section Disponibilité 68935-02 CG2000 Livre Centre de documentation Congrès Disponible 68935-01 CG2000 Livre Centre de documentation Congrès Disponible Automatisierung der kartographischen Verdrängung mittels Energieminimierung / Dirk Burghardt (2001)PermalinkPermalinkComparison of different approaches to combine road generalisation algorithms: GALBE, AGENT and CartoLearn / Sébastien Mustière (2001)PermalinkCréation et analyse multi-niveaux des espaces géographiques : application au milieu urbain / Annabelle Boffet (2001)PermalinkDescription de l'environnement spatial d'un objet géographique / Rafik Zerhouni (2001)PermalinkFifth ICA workshop on progress in automated map generalization, August 2 - 4, 2001, Beijing, China / Commission on map generalization ICA (2001)PermalinkGeneralization of the "Douglas and Peucker" algorithm for cartographic applications / Xavier Barillot (2001)PermalinkIdentification of spatial structures within urban blocks for town characterisation / Annabelle Boffet (2001)PermalinkIntegrating multi-agent, object-oriented, and algorithmic techniques for improved automated map generalization / Mathieu Barrault (2001)PermalinkMapping the 21st century: the 20th International Cartographic Conference, ICC 2001, Beijing, China, August 6 - 10, 2001, vol 3. Proceedings / L. Li (2001)Permalink