Centre dedocumentation
scientifique

Improving the quality of cartographic colour reproduction using the self-organizing map method / Mingguang Wu in Cartographic journal (the), Vol 55 n° 3 (August 2018)  

Public [article]  inCartographic journal (the) > Vol 55 n° 3 (August 2018) . - pp 273 - 284 Titre : Improving the quality of cartographic colour reproduction using the self-organizing map method Type de document : Article/Communication Auteurs : Mingguang Wu, Auteur ; A - Xing Zhu, Auteur ; Li He, Auteur Année de publication : 2018 Article en page(s) : pp 273 - 284 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Cartographie thématique [Termes descripteurs IGN] algorithme [Termes descripteurs IGN] carte de Kohonen [Termes descripteurs IGN] carte thématique [Termes descripteurs IGN] couleur (rédaction cartographique) [Termes descripteurs IGN] couleur imprimée [Termes descripteurs IGN] qualité cartographique [Termes descripteurs IGN] représentation cartographique Résumé : (Auteur) Colour distortion, which is caused by the unavoidable mismatch between a map’s gamut and a device’s gamut, negatively affects the semiotic quality of maps. Cartographic communication often suffers from undesirable colour inconsistency. This method models cartographic colour reproduction as a constrained transform problem, namely, adapting a map’s gamut to fit a device’s gamut while preserving the semiotic quality. First, the characteristics of the map’s gamut are investigated by considering cartographic principles, and the fundamental concerns of preserving semiotic quality are proposed. Then, the self-organizing map method is introduced to iteratively optimize the cartographic colour reproduction. We implement this method and evaluate it based on a series of thematic maps. The results indicate that the proposed algorithm offers better results than two alternatives in terms of facilitating cartographic colour reproduction. Numéro de notice : A2018-519 Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/00087041.2017.1414106 date de publication en ligne : 18/10/2018 En ligne : https://doi.org/10.1080/00087041.2017.1414106 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91325 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
030-2018031	SL	Revue	Centre de documentation	Revues en salle	Disponible

An unsupervised two-stage clustering approach for forest structure classification based on X-band InSAR data — A case study in complex temperate forest stands / Sahra Abdullahi in International journal of applied Earth observation and geoinformation, vol 57 (May 2017)  

Public [article]  inInternational journal of applied Earth observation and geoinformation > vol 57 (May 2017) . - pp 36 - 48 Titre : An unsupervised two-stage clustering approach for forest structure classification based on X-band InSAR data — A case study in complex temperate forest stands Type de document : Article/Communication Auteurs : Sahra Abdullahi, Auteur ; Mathias Schardt, Auteur ; Hans Pretzsch, Auteur Année de publication : 2017 Article en page(s) : pp 36 - 48 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes descripteurs IGN] bande X [Termes descripteurs IGN] Bavière (Allemagne) [Termes descripteurs IGN] carte de Kohonen [Termes descripteurs IGN] classification barycentrique [Termes descripteurs IGN] classification non dirigée [Termes descripteurs IGN] distance euclidienne [Termes descripteurs IGN] forêt tempérée [Termes descripteurs IGN] image radar moirée [Termes descripteurs IGN] image TanDEM-X [Termes descripteurs IGN] image TerraSAR-X [Termes descripteurs IGN] interféromètrie par radar à antenne synthétique [Termes descripteurs IGN] structure d'un peuplement forestier Résumé : (auteur) Forest structure at stand level plays a key role for sustainable forest management, since the biodiversity, productivity, growth and stability of the forest can be positively influenced by managing its structural diversity. In contrast to field-based measurements, remote sensing techniques offer a cost-efficient opportunity to collect area-wide information about forest stand structure with high spatial and temporal resolution. Especially Interferometric Synthetic Aperture Radar (InSAR), which facilitates worldwide acquisition of 3d information independent from weather conditions and illumination, is convenient to capture forest stand structure. This study purposes an unsupervised two-stage clustering approach for forest structure classification based on height information derived from interferometric X-band SAR data which was performed in complex temperate forest stands of Traunstein forest (South Germany). In particular, a four dimensional input data set composed of first-order height statistics was non-linearly projected on a two-dimensional Self-Organizing Map, spatially ordered according to similarity (based on the Euclidean distance) in the first stage and classified using the k-means algorithm in the second stage. The study demonstrated that X-band InSAR data exhibits considerable capabilities for forest structure classification. Moreover, the unsupervised classification approach achieved meaningful and reasonable results by means of comparison to aerial imagery and LiDAR data. Numéro de notice : A2017-368 Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern En ligne : https://doi.org/10.1016/j.jag.2016.12.010 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=85785 [article]

Artificial neural networks in geospatial analysis / Sucharita Gopal (2017)  

Public Titre : Artificial neural networks in geospatial analysis Type de document : Chapitre/Contribution Auteurs : Sucharita Gopal, Auteur Editeur : New York, Londres, Hoboken (New Jersey), ... : John Wiley & Sons Année de publication : 2017 Importance : 7 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes descripteurs IGN] apprentissage dirigé [Termes descripteurs IGN] apprentissage non-dirigé [Termes descripteurs IGN] apprentissage semi-dirigé [Termes descripteurs IGN] carte de Kohonen [Termes descripteurs IGN] Perceptron multicouche [Termes descripteurs IGN] réseau neuronal artificiel Résumé : (Auteur) [introduction] Artificial neural networks (ANN) are computational models inspired by and designed to simulate biological nervous systems that are capable of performing specific information-processing tasks such as data classification and pattern recognition. ANN seeks to replicate the massively parallel nature of a biological neural network. A neural network is a system composed of many simple processing nodes whose function is determined by network structure and connection strengths. Numéro de notice : H2017-023 Thématique : GEOMATIQUE/INFORMATIQUE Nature : Chapître / contribution date de publication en ligne : 23/02/2016 En ligne : https://doi.org/10.1002/9781118786352.wbieg0322 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90378

Joint analysis of passive and active land surface responses for Global Precipitation Measurement / Iris de Gelis (2017) 

Public Titre : Joint analysis of passive and active land surface responses for Global Precipitation Measurement Type de document : Mémoire Auteurs : Iris de Gelis, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2017 Importance : 36 p. Format : 21 x 30 cm Note générale : Bibliographie Rapport de projet pluridisciplinaire, cycle Ingénieur 2e année Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes descripteurs IGN] carte de Kohonen [Termes descripteurs IGN] classification non dirigée [Termes descripteurs IGN] coefficient de rétrodiffusion [Termes descripteurs IGN] emissivité [Termes descripteurs IGN] état de surface du sol [Termes descripteurs IGN] image GPM [Termes descripteurs IGN] manteau neigeux [Termes descripteurs IGN] neige [Termes descripteurs IGN] précipitation Index. décimale : PROJET Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) L’estimation des précipitations depuis les satellites n’est pas un problème trivial. En effet, lorsque des satellites comme le Global Precipitation Measurement (GPM) effectuent des observations des nuages et précipitations, les mesures sont aussi influencées par la réponse de la surface terrestre. Pour aider à séparer la contribution de la surface et de l’atmosphère dans les mesures du satellite en micro-ondes, notre étude va analyser les réponses micro-ondes des surfaces en mode actif et passif (radar et radiomètre). L’étude suivante va chercher à donner une estimation de l’émissivité et du coefficient de rétro-diffusion à différentes fréquences pour chaque type de surface terrestre. La première étape réalisée est l’analyse d’une base de données d’émissivité (mode passif) et de coefficient de rétro-diffusion (mode actif) disponible sur une année entière et pour toutes les surfaces continentales en fonction de la végétation et de la neige. Ensuite deux classifications différentes ont été réalisées grâce aux méthodes de classification de Kohonen, aussi appelée cartes auto-adaptatives. Premièrement une classification ne prenant pas en compte les zones enneigées et deuxièmement une classification des zones enneigées. Ces classifications seront fournies à la NASA (National Aeronautics and Space Administration) pour leur permettre de faciliter l’estimation des précipitations en leur donnant une estimation de la réponse de la surface terrestre dans les différentes bandes passives et actives étudiées. Note de contenu : INTRODUCTION 1. DATA DESCRIPTION 2. ANALYSIS 2.1 General maps 2.2 Vegetation 2.3 Snow 3. CLASSIFICATIONS 3.1 Kohonen classification 3.2 Snow-free surfaces 3.3 Snow-covered surfaces CONCLUSION Numéro de notice : 22793 Thématique : IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Observatoire de Paris Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=87816

Réservation

Réserver ce document

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
22793-01	PROJET	Livre	Centre de documentation	Travaux d'élèves	Disponible
22793-02	PROJET	Livre	Centre de documentation	Travaux d'élèves	Disponible

Documents numériques

peut être téléchargé Joint analysis of passive and active ... - pdf auteur Adobe Acrobat PDF

SPAWNN: A toolkit for SPatial Analysis With Self-Organizing Neural Networks / Julian Hagenauer in Transactions in GIS, vol 20 n° 5 (October 2016)  

Public [article]  inTransactions in GIS > vol 20 n° 5 (October 2016) . - pp 755 – 774 Titre : SPAWNN: A toolkit for SPatial Analysis With Self-Organizing Neural Networks Type de document : Article/Communication Auteurs : Julian Hagenauer, Auteur ; Marco Helbich, Auteur Année de publication : 2016 Article en page(s) : pp 755 – 774 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes descripteurs IGN] analyse combinatoire (maths) [Termes descripteurs IGN] carte de Kohonen [Termes descripteurs IGN] données massives [Termes descripteurs IGN] données socio-économiques [Termes descripteurs IGN] intelligence artificielle [Termes descripteurs IGN] logiciel libre [Termes descripteurs IGN] outil logiciel [Termes descripteurs IGN] Philadelphie [Vedettes matières IGN] Géovisualisation Résumé : (auteur) This article introduces the SPAWNN toolkit, an innovative toolkit for spatial analysis with self-organizing neural networks, which is published as free and open-source software (http://www.spawnn.org). It extends existing toolkits in three important ways. First, the SPAWNN toolkit distinguishes between self-organizing neural networks and spatial context models with which the networks can be combined to incorporate spatial dependence and provides implementations for both. This distinction maintains modularity and enables a multitude of useful combinations for analyzing spatial data with self-organizing neural networks. Second, SPAWNN interactively links different self-organizing networks and data visualizations in an intuitive manner to facilitate explorative data analysis. Third, it implements cutting-edge clustering algorithms for identifying clusters in the trained networks. Toolkits such as SPAWNN are particularly needed when researchers and practitioners are confronted with large amounts of complex and high-dimensional data. The computational performance of the implemented algorithms is empirically demonstrated using high-dimensional synthetic data sets, while the practical functionality highlighting the distinctive features of the toolkit is illustrated with a case study using socioeconomic data of the city of Philadelphia, Pennsylvania. Numéro de notice : A2016-998 Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern En ligne : http://dx.doi.org/10.1111/tgis.12180 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=83778 [article]

Exploration of spatiotemporal and semantic clusters of Twitter data using unsupervised neural networks / Enrico Steiger in International journal of geographical information science IJGIS, vol 30 n° 9-10 (September - October 2016)  

Permalink

Carte de Kohonen et classification ascendante hiérarchique pour l’analyse de données géohistoriques / Ana-Maria Olteanu-Raimond in Revue internationale de géomatique, vol 25 n° 4 (octobre - décembre 2015)  

Permalink

Model generalization of two different drainage patterns by self-organizing maps / Alper Sen in Cartography and Geographic Information Science, vol 41 n° 2 (March 2014)  

Permalink

Combining Geo-SOM and hierarchical clustering to explore geospatial data / Chen-Chieh Feng in Transactions in GIS, vol 18 n° 1 (February 2014)  

Permalink

Use of artificial neural networks for selective omission in updating road networks / Qi Zhou in Cartographic journal (the), vol 51 n° 1 (February 2014)

Permalink

Automatische Interpretation von Semantik aus digitalen Karten im World Wide Web / Fen Luo (2014)    

Permalink

Carte de Kohonen et classification ascendante hiérarchique pour l’analyse de données géohistoriques / Ana-Maria Olteanu-Raimond (2014) 

Permalink

The signature of self-organisation in cities: Temporal patterns of clustering and growth in street networks / Kinda Al-Sayed in Revue internationale de géomatique, vol 23 n° 3 - 4 (septembre 2013 - février 2014)

Permalink

Towards qualitative geovisual analytics: A case study involving places, people, and mediated experience / Ryan Burns in Cartographica, vol 48 n° 3 (October 2013)  

Permalink

Visual discovery of synchronisation in weather data at multiple temporal resolutions / Xiaojing Wu in Cartographic journal (the), vol 50 n° 3 (August 2013)

Permalink