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 (122)
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
Constitution d'une base de connaissances à partir de l'imagerie satellitaire pour le suivi de la déforestation en Nouvelle-Calédonie / L. Vautrin (1997)
Titre : Constitution d'une base de connaissances à partir de l'imagerie satellitaire pour le suivi de la déforestation en Nouvelle-Calédonie Type de document : Mémoire Auteurs : L. Vautrin, Auteur Editeur : Strasbourg : Ecole Nationale Supérieure des Arts et Industries de Strasbourg ENSAIS Année de publication : 1997 Importance : 94 p. Format : 21 x 30 cm Note générale : Bibliographie
Mémoire de soutenance de diplôme d'ingénieur ENSAIS, spécialité topographieLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] base de connaissances
[Termes IGN] correction atmosphérique
[Termes IGN] déboisement
[Termes IGN] forêt
[Termes IGN] image NOAA
[Termes IGN] image SPOT
[Termes IGN] incendie de forêt
[Termes IGN] Nouvelle-CalédonieIndex. décimale : INSAS Mémoires d'ingénieur de l'INSA Strasbourg - Topographie, ex ENSAIS Résumé : (Auteur) Les satellites de la série NOAA sont tout à fait adaptés à une surveillance continue, à l'échelle globale de l'environnement. En général, les images NOAA sont intéressantes pour étudier des phénomènes dynamiques à l'échelle d'un pays ou d'un continent ; nous verrons à travers cette étude, si elles peuvent être utilisées à l'échelle d'une île comme la Nouvelle-Calédonie, pour un suivi de la déforestation. Nous constaterons que l'imagerie satellitaire NOAA, en relation avec une base de données à petite échelle, constituerait un excellent outil de prévention et de recensement des feux de brousse. En outre, elle permettrait de déclencher une étude plus précise à partir de l'imagerie satellitaire Spot, en relation avec une base de données à grande échelle, sur l'estimation de la déforestation et l'analyse de la répartition spatiale des feux de brousse. Numéro de notice : 67010 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Mémoire ingénieur INSAS Organisme de stage : ORSTOM Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=53504 Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 67010-01 MX Livre Centre de documentation En réserve Mezzanine Disponible A knowledge base and GIS integrated system for urban planning / Y. Wanglin in GIS Geo-Informations-Systeme, vol 8 n° 1 (Februar 1995)
[article]
Titre : A knowledge base and GIS integrated system for urban planning Type de document : Article/Communication Auteurs : Y. Wanglin, Auteur Année de publication : 1995 Article en page(s) : pp 10 - 14 Note générale : Bibliographie Langues : Allemand (ger) Descripteur : [Vedettes matières IGN] Systèmes d'information géographique
[Termes IGN] base de connaissances
[Termes IGN] planification urbaine
[Termes IGN] système d'information géographiqueRésumé : (Auteur) With the challenge of environmental changes and information innovation urban planning can only survive and make progresses with the support of powerful computer systems for handling spatial data as well as human knowledge. This paper presents an integrated approach of a GIS, knowledge bases and CAD for urban environmental planning and proposes a prototype system for urban environmental evaluation. Knowledge is acquired by cognitive methods and represented by hierarchical structures. it is a user-friendly system and can be applied to any evaluation problems in urban planning and resource management. Numéro de notice : A1995-013 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE Nature : Article DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=25743
in GIS Geo-Informations-Systeme > vol 8 n° 1 (Februar 1995) . - pp 10 - 14[article]Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 058-95011 RAB Revue Centre de documentation En réserve L003 Disponible Caractérisation des textures d'images radar par réseaux de neurones / Philippe Mainguenaud (1995)
Titre : Caractérisation des textures d'images radar par réseaux de neurones Type de document : Thèse/HDR Auteurs : Philippe Mainguenaud, Auteur ; Jean Devars, Directeur de thèse ; Robert Jeansoulin, Directeur de thèse Editeur : Paris : Université de Paris 6 Pierre et Marie Curie Année de publication : 1995 Importance : 208 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse présentée à l'Université Pierre et Marie Curie spécialité InformatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] analyse texturale
[Termes IGN] apprentissage automatique
[Termes IGN] base de règles
[Termes IGN] caractérisation
[Termes IGN] classification barycentrique
[Termes IGN] classification par réseau neuronal
[Termes IGN] filtrage du bruit
[Termes IGN] filtre de déchatoiement
[Termes IGN] fréquence
[Termes IGN] Guyane (département français)
[Termes IGN] image radar
[Termes IGN] texture d'imageIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Ce travail a pour but de caractériser les propriétés texturales présentes dans les images radar SAR afin de réaliser une classification efficace des différentes zones. Les images traitées concernent des zones de Guyane dans le cadre du projet pilote PPF12 de l'environnement fluvial et côtier en Guyane française. Ce type d'image interdit toute hypothèse sur les distributions statistiques des niveaux de gris de chacune des classes. Notre travail a consisté à sélectionner les méthodes neuronales afin de construire des règles d'apprentissage des propriétés texturales des niveaux de gris. Nous avons tout d'abord étudié l'étalement spatial de la texture. Pour cette taille de fenêtre d'analyse, nous avons évalué le codage qui fournissait les meilleurs taux d'apprentissage au sens neuronal. Notre choix s'est porté sur le classique spectre de Fourier. Apres avoir vérifié l'amélioration apportée par le couplage des données multi-temporelles, nous cherchons le moyen d'atteindre des résultats similaires à partir d'une seule image source. Pour ce faire, nous filtrons l'image brute pour extraire certaines propriétés texturales au détriment de certaines autres. Le couplage des informations des images brutes et filtrées permet d'approcher les résultats obtenus par des données multi-temporelles lorsque celle-ci existe. Nous introduisons l’approche hiérarchique dans les méthodes neuronales pour accélérer et améliorer la qualité de l'apprentissage. Cette décomposition permet d'obtenir de très nettes améliorations qui se concrétisent par une classification automatique et assez détaillée des différentes images testées. Nous avons comparé notre approche avec la méthode des (k) plus proches voisins. Cette comparaison fait apparaitre une plus grande homogénéité dans la classification pour les méthodes neuronales. Malgré les résultats satisfaisants que nous avons obtenus, nous avons étudié plus en détail l'influence des différentes fréquences sélectionnées sur la rapidité et la qualité de l'apprentissage. Note de contenu : 1. Introduction
2. Méthodes de reconnaissance en imagerie
2.1. Codage et classification
2.2. Les réseaux connexionnistes
3. Codage de l'information
3.1. Moments, contours, Textures
3.2. Codage de l'information texturale
3.3. Modifications des textures
3.4. Architecture neuronale du couplage des informations
3.5. Classification neuronale des textures de Brodatz
4. Introduction à l'imagerie radar
4.1. Principe et fonctionnement du radar
4.2. Formation des images radar
4.3. Propriétés diélectriques des cibles
4.4. Caractéristiques des images radar de Guyane
4.5. Présentation des zones de test de texture
5. Apprentissage des textures radar
5.1.Dimensions spatiales de la texture
5.2. Codage de l'information texturale
5.3. Apprentissage "multi-source"
5.4. Apprentissage hiérarchique
5.5. Influence de la taille du vecteur de texture
6. Généralisation des apprentissages
6.1. Technique de généralisation
6.2. Comparaison des différentes méthodes de classification
7. Conclusion
8. Annexe concernant la signification physique de la textureNuméro de notice : 19350 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de doctorat : Informatique : Paris 6 : 1995 nature-HAL : Thèse DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=81971 Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 19350-01 THESE Livre Centre de documentation Thèses Disponible
Titre : GIS and generalization : methodology and practice Type de document : Monographie Auteurs : Jean-Claude Müller, Éditeur scientifique ; Jean-Philippe Lagrange , Éditeur scientifique ; Robert Weibel, Éditeur scientifique Editeur : Londres : Taylor & Francis Année de publication : 1995 Collection : GISdata series num. 1 Importance : 257 p. Format : 17 x 26 cm ISBN/ISSN/EAN : 978-0-7484-0319-6 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Systèmes d'information géographique
[Termes IGN] base de connaissances
[Termes IGN] cartographie automatique
[Termes IGN] données localisées
[Termes IGN] état de l'art
[Termes IGN] généralisation cartographique automatisée
[Termes IGN] intelligence artificielle
[Termes IGN] modèle orienté objet
[Termes IGN] modélisation
[Termes IGN] programmation adaptée à l'objet
[Termes IGN] qualité
[Termes IGN] système d'information géographiqueRésumé : (editeur) This text is the inaugural book in Taylor and Francis's GISDATA series, and is derived from the specialist workshop convened under the auspices of the European Science Foundation's GISDATA Scientific Programme. Generalisation is an integrating tool for the analysis and presentation of spatial data. Effective spatial data analysis requires multiple views of the world at various scales with different thematic layers of representation. Generalisation is a key mechanism in this process, as it filters out information which is required for particular scales or layers; hence it is critical to implement full and comprehensive generalisation capabilities in a GIS, something with which few current GIS are equipped.; This book overviews the core and as-yet unresolved issues surrounding the achievement of this goal, and presents various alternatives - both speculative views and practical examples - in the areas of automated generalisation, vis-a-vis problems such as object simplification and placement. At the same time it distinguishes between modelling with generalisation and graphical representation, and adopts a model-building perspective. It also describes artificial intelligence techniques for implementing automated generalised routines, and addresses issues of data quality and production.; The text is organized into six parts: an introduction; generic issue; object-orientated methods and knowledge-based modelling; knowledge acquisition and representation; data quality; and operation and implementation. Numéro de notice : 62962 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE Nature : Recueil / ouvrage collectif nature-HAL : DirectOuvrColl/Actes DOI : 10.1201/9781003062646 En ligne : https://doi.org/10.1201/9781003062646 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=44336 ContientRéservation
Réserver ce documentExemplaires(3)
Code-barres Cote Support Localisation Section Disponibilité 62962-01 37.30 Livre Centre de documentation Géomatique Disponible 62962-02 37.30 Livre Centre de documentation Géomatique Disponible 62962-03 DEP-TRS Livre LASTIG Dépôt en unité Exclu du prêt GIS and generalization : methodology and practice, ch. Data and knowledge modelling for generalisation / Anne Ruas (1995)
Titre de série : GIS and generalization : methodology and practice, ch Titre : Data and knowledge modelling for generalisation Type de document : Chapitre/Contribution Auteurs : Anne Ruas , Auteur ; Jean-Philippe Lagrange , Auteur Editeur : Londres : Taylor & Francis Année de publication : 1995 Collection : GISdata series num. 1 Importance : pp 73 - 90 Langues : Anglais (eng) Descripteur : [Termes IGN] base de connaissances
[Termes IGN] données localisées
[Termes IGN] modèle (conceptuel) de généralisation
[Termes IGN] modèle conceptuel de données localisées
[Vedettes matières IGN] GénéralisationNuméro de notice : H1995-005 Affiliation des auteurs : COGIT (1988-2011) Thématique : GEOMATIQUE Nature : Chapître / contribution Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92707 Kartographische Mustererkennung : rasterorientierte Verfahren zur Erfassung von Geo-informationen / Roland Eduard Stengele (1995)PermalinkPermalinkPermalinkEGIS-MARI '94, sixième rendez-vous européen des acteurs de l'information géographique numérique MARI, vol 1. Proceedings EGIS-MARI 1994 / Janjaap Harts (1994)PermalinkEGIS-MARI '94, sixième rendez-vous européen des acteurs de l'information géographique numérique MARI, vol 2. Proceedings EGIS-MARI 1994 / Janjaap Harts (1994)PermalinkReprésentation des connaissances pour la mise à jour automatique des Systèmes d'Information Géographique par photos aériennes / Carlo Schenone (1994)PermalinkComputational methods for generalization of cartographic data in a raster environment / Lars Schylberg (1993)PermalinkPrototype rules for automated map generalization / Michael Leitner (1993)PermalinkSystème à base de connaissances pour la cartographie thématique par télédétection / Nittaya Nintarakit (1993)PermalinkGIS, LIS '92 Annual conference and exposition, November 10-12, 1992, San Jose, California, Volume 1. Proceedings / American society for photogrammetry and remote sensing (1992)Permalink