Descripteur
Termes IGN > informatique > intelligence artificielle > ingénierie des connaissances > système à base de connaissances > base de connaissances
base de connaissancesVoir aussi |
Documents disponibles dans cette catégorie (124)
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
contenu dans Geospatial theory, processing and applications : proceedings of the ISPRS commission 4 symposium, 8 -12 July 2002, Ottawa, Canada / Costas Armenakis (2002)
Titre : What is spatial context in cartographic generalisation? Type de document : Article/Communication Auteurs : Sébastien Mustière , Auteur ; Bernard Moulin, Auteur Editeur : International Society for Photogrammetry and Remote Sensing ISPRS Année de publication : 2002 Collection : International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, ISSN 1682-1750 num. 34-4 Conférence : ISPRS 2002, Commission 4 symposium, Geospatial theory, processing and applications 08/07/2002 12/07/2002 Ottawa Canada OA ISPRS Archives Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] base de connaissances
[Termes IGN] généralisation automatique de données
[Termes IGN] généralisation de base de données
[Termes IGN] modèle (conceptuel) de généralisation
[Termes IGN] prise en compte du contexte
[Termes IGN] règle
[Termes IGN] relation spatiale
[Vedettes matières IGN] GénéralisationRésumé : (auteur) During the cartographic generalisation process, geographic objects cannot just be considered one by one. The way objects are processed clearly depends on their spatial context. In this paper, we first study the nature of spatial context encountered dur ing map generalisation. We differentiate three kinds of relations that an object can have with its environment: being part of a significant group, being in a particular area, being in relation with 'same-level' surrounding objects. We also address the issue of scale- dependency related to spatial context. Then, we study how to represent context-related knowledge in a knowledge-based approach of cartographic generalisation. We discuss several aspects of the representation of objects' spatial context in a geographic data model dedicated to map generalisation: explicit representations of high-level objects, fuzzy representation of objects and relations, multi- scale representation of objects and relations, spatialisation of relations. We also study how context appears in the rules expr essed by cartographers to describe the generalisation process: it can be used to express exceptions, to classify typical operations to b e done, or to express constraints on the final result. Numéro de notice : C2002-028 Affiliation des auteurs : COGIT+Ext (1988-2011) Thématique : GEOMATIQUE Nature : Communication DOI : sans En ligne : http://www.isprs.org/proceedings/XXXIV/part4/pdfpapers/377.pdf Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=86563 Documents numériques
en open access
What is spatial context - pdf éditeurAdobe Acrobat PDF Revision of cartographic generalisation rule bases / Sylvain Bard in Bulletin du comité français de cartographie, n°s 169 - 170 (septembre 2001 - février 2002)
[article]
Titre : Revision of cartographic generalisation rule bases Type de document : Article/Communication Auteurs : Sylvain Bard , Auteur Année de publication : 2001 Conférence : ICC 2001, 20th International Cartographic Conference ICA, Mapping the 21th century 06/08/2001 10/08/2001 Pékin Chine OA Proceedings Article en page(s) : pp 66 - 67 Langues : Anglais (eng) Descripteur : [Termes IGN] base de connaissances
[Termes IGN] base de règles
[Termes IGN] généralisation cartographique automatisée
[Termes IGN] PlaGe (plateforme de généralisation)
[Vedettes matières IGN] GénéralisationRésumé : (auteur) La recherche en généralisation cartographique à l'Institut Géographique National étudie une automatisation de cette méthode. Ce document présente un processus de révision d'une base de connaissances effectué à partir de l'analyse de retouches interactives, et s'inscrit dans un mécanisme général d'acquisition de connaissances. La révision est une modification de la base de règles initiale dans le but de la rendre la plus exacte possible, en conservant la cohérence. Dans notre contexte, l'objectif de ce mécanisme est d'obtenir de meilleures règles de généralisation cartographique dans la base de règles révisée. Notre approche consiste à appliquer une base de règles de décision initiale à des objets géographiques, puis à opérer une validation des objets résultants. Les objets invalidés subissent ensuite une procédure de retouche. La retouche est l'opération qui consiste à modifier un objet, identifié comme mal généralisé d'un point de vue cartographique, afin de le rendre acceptable. Enfin, les informations extraites des phases précédentes sont intégrées à un mécanisme de révision en vue de déterminer les modifications de la base de règles de décision à entreprendre. Ce rapport décrit à la fois la procédure générale de retouche et de validation, l'outil de validation des résultats de l'application d'une base de règles, la procédure de retouche utilisée, et pour terminer le processus de révision développé sous forme d'un micro système d'aide à la décision. Le support d'implémentation pour l'application au cas particulier d'objets géographiques de type arcs routiers, est la plate-forme PlaGe du laboratoire COGIT. Numéro de notice : A2001-255 Affiliation des auteurs : COGIT (1988-2011) Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98079
in Bulletin du comité français de cartographie > n°s 169 - 170 (septembre 2001 - février 2002) . - pp 66 - 67[article]Réservation
Réserver ce documentExemplaires(2)
Code-barres Cote Support Localisation Section Disponibilité 021-01031 RAB Revue Centre de documentation En réserve L003 Disponible 021-01032 RAB Revue Centre de documentation En réserve L003 Disponible Documents numériques
peut être téléchargé
Revision of cartographic generalisation rule bases - pdf éditeurAdobe Acrobat PDF
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 PDFDocuments numériques
en open access
13871_commu_model_to_store_and_reuse_geog_patterns_bucher.pdfAdobe Acrobat PDF The integration of geographic visualization with knowledge discovery in databases and geocomputation / M. Gahegan in Cartography and Geographic Information Science, vol 28 n° 1 (January 2001)
[article]
Titre : The integration of geographic visualization with knowledge discovery in databases and geocomputation Type de document : Article/Communication Auteurs : M. Gahegan, Auteur ; Monica Wachowicz, Auteur ; et al., Auteur Année de publication : 2001 Article en page(s) : pp 29 - 44 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Cartographie numérique
[Termes IGN] analyse visuelle
[Termes IGN] base de connaissances
[Termes IGN] base de données localisées
[Termes IGN] cartographie numérique
[Termes IGN] découverte de connaissances
[Termes IGN] état de l'art
[Termes IGN] exploration de données géographiques
[Termes IGN] visualisationRésumé : (Auteur) This paper details the research agenda of the International Cartographic Association Commission on Visualization / Working group on Database-Visualization Links. The paper stressed the need for the closer integration of the three largely disparate technologies : geographic visualization, knowledge discovery in databases, and geocomputation. The introduction explains the meaning behind these terms, the ethos behind their practice, and their connections within the broad realm of knowledge construction activities. The state of the art is then described for different approaches to knowledge construction, concentrating where possible on visual and geographically oriented methods. From these sections, a research agenda is synthetized in the form of three sets of research questions adressing : (1) Visual approches to data mining ; (2) visual support for knowledge construction and geocomputation ; and (3) database and data models that must be satisfied to make visually-led knowledge construction a reality in the geographic realm. Conclusions relate this agenda to issues of (1) data, (2) geographic knowledge, and (3) the visualization environment and pose significant challenges to the way currently represent geographic information and knowledge within computational systems. Numéro de notice : A2001-160 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1559/152304001782173952 En ligne : https://doi.org/10.1559/152304001782173952 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=21855
in Cartography and Geographic Information Science > vol 28 n° 1 (January 2001) . - pp 29 - 44[article]Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 032-01011 RAB Revue Centre de documentation En réserve L003 Disponible Hungary: Hunagi builds for the future - building the knowledge base - flood analysis using aerial photography - hyper competition raises the stakes - model - making Hungarian style / B. Markus in GeoEurope, vol 9 n° 6 (01/06/2000)PermalinkRévision d'une base de connaissances : Application à la généralisation cartographique / Sylvain Bard (2000)PermalinkDeveloping rules for map design: a functional specification for a cartographic-design expert system / David Forrest in Cartographica, vol 36 n° 3 (September 1999)PermalinkAdvances in environmental and ecological modelling / François Blasco (1999)PermalinkCoopération et fusion d'opérateurs : application au recalage automatique d'objets cartographiques / Pierre Dhérété (1999)PermalinkKnowledge bases and reasoning mechanisms for environmental data : a logical viewpoint / Robert Jeansoulin (1999)PermalinkOrganisation des connaissances en vue de leur intégration dans les systèmes de représentation et de recherche d'information / Jacques Maniez (1999)PermalinkRFIA '98, 11ème congrès reconnaissance des formes et intelligence artificielle, volume 1. Proceedings / Michel Chein (1998)PermalinkRFIA '98, 11ème congrès reconnaissance des formes et intelligence artificielle, Volume 2. Proceedings / Michel Chein (1998)PermalinkRFIA '98, 11ème congrès reconnaissance des formes et intelligence artificielle, Volume 3. Proceedings / Michel Chein (1998)Permalink