Descripteur
Termes IGN > mathématiques > statistique mathématique > analyse de données > classification > classification semi-dirigée
classification semi-dirigéeSynonyme(s)classification semi-supervisée |
Documents disponibles dans cette catégorie (32)
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
Semisupervised one-class support vector machine for classification of remote sensing data / Jordi Munoz-Mari in IEEE Transactions on geoscience and remote sensing, vol 48 n° 8 (August 2010)
[article]
Titre : Semisupervised one-class support vector machine for classification of remote sensing data Type de document : Article/Communication Auteurs : Jordi Munoz-Mari, Auteur ; Francesca Bovolo, Auteur ; et al., Auteur Année de publication : 2010 Article en page(s) : pp 3188 - 3197 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] apprentissage semi-dirigé
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] classification semi-dirigée
[Termes IGN] détection de changement
[Termes IGN] détection de cibleRésumé : (Auteur) This paper presents two semisupervised one-class support vector machine (OC-SVM) classifiers for remote sensing applications. In one-class image classification, one tries to detect pixels belonging to one of the classes in the image and reject the others. When few labeled pixels of only one class are available, obtaining a reliable classifier is a difficult task. In the particular case of SVM-based classifiers, this task is even harder because the free parameters of the model need to be finely adjusted, but no clear criterion can be adopted. In order to improve the OC-SVM classifier accuracy and alleviate the problem of free-parameter selection, the information provided by unlabeled samples present in the scene can be used. In this paper, we present two state-of-the-art algorithms for semi-supervised one-class classification for remote sensing classification problems. The first proposed algorithm is based on modifying the OC-SVM kernel by modeling the data marginal distribution with the graph Laplacian built with both labeled and unlabeled samples. The second one is based on a simple modification of the standard SVM cost function which penalizes more the errors made when classifying samples of the target class. The good performance of the proposed methods is illustrated in four challenging remote sensing image classification scenarios where the goal is to detect one of the classes present on the scene. In particular, we present results for multisource urban monitoring, hyperspectral crop detection, multispectral cloud screening, and change-detection problems. Experimental results show the suitability of the proposed techniques, particularly in cases with few or poorly representative labeled samples. Numéro de notice : A2010-307 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2010.2045764 En ligne : https://doi.org/10.1109/TGRS.2010.2045764 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=30501
in IEEE Transactions on geoscience and remote sensing > vol 48 n° 8 (August 2010) . - pp 3188 - 3197[article]Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 065-2010081 RAB Revue Centre de documentation En réserve L003 Disponible Un graphe génératif pour la classification semi-supervisée / P. Gaillard in Ingénierie des systèmes d'information, ISI : Revue des sciences et technologies de l'information, RSTI, vol 15 n° 2 (mars - avril 2010)
[article]
Titre : Un graphe génératif pour la classification semi-supervisée Type de document : Article/Communication Auteurs : P. Gaillard, Auteur ; M. Aupetit, Auteur ; A. Govaert, Auteur Année de publication : 2010 Article en page(s) : pp 97 - 119 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Informatique
[Termes IGN] apprentissage semi-dirigé
[Termes IGN] classification semi-dirigée
[Termes IGN] graphe
[Termes IGN] modèle logique de donnéesRésumé : (Auteur) Nous proposons un nouvel algorithme semi-supervisé qui combine un modèle de mélange gaussien pour modéliser localement les données, et un graphe génératif construit sur les composants du mélange pour capturer la structure globale des données. La combinaison est réalisée via un processus de propagation d'étiquettes au travers du graphe. Contrairement aux algorithmes de l'état de l'art, le modèle de graphe utilisé est génératif de telle sorte que son optimisation peut être effectuée à l'aide de l'algorithme EM (espérance-maximisation) afin de maximiser sa vraisemblance. De plus, l'unique métaparamètre (le nombre de composants du mélange) peut être sélectionné par un critère statistique. L'algorithme obtient des résultats expérimentaux similaires aux algorithmes comparables lorsque le nombre de données étiquetées est faible, et offre l'avantage de n'avoir aucun paramètre à régler manuellement. Copyright Lavoisier Numéro de notice : A2010-123 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Article DOI : sans En ligne : https://doi.org/10.3166/isi.15.2.97-119 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=30319
in Ingénierie des systèmes d'information, ISI : Revue des sciences et technologies de l'information, RSTI > vol 15 n° 2 (mars - avril 2010) . - pp 97 - 119[article]Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 093-2010021 SL Revue Centre de documentation Revues en salle Disponible Evolution des habitats dans les montagnes d'Araucania / Rémi Pas (2007)
Titre : Evolution des habitats dans les montagnes d'Araucania Type de document : Mémoire Auteurs : Rémi Pas, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2007 Importance : 34 p. Format : 21 x 30 cm Note générale : Rapport de projet pluridisciplinaire, cycle des ingénieurs diplômés de l'ENSG 2ème année (IT2) Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] analyse spatiale
[Termes IGN] Chili
[Termes IGN] classification automatique
[Termes IGN] classification dirigée
[Termes IGN] classification non dirigée
[Termes IGN] classification semi-dirigée
[Termes IGN] ERDAS Imagine
[Termes IGN] habitat animal
[Termes IGN] image Terra-ASTERIndex. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) Ceci est le rapport du stage pluridisciplinaire de deuxième année du cycle ingénieur de l'Ecole Nationale des Sciences Géographiques. Ce stage de onze semaines a été réalisé dans le département Ecologie du Macaulay Institute à Aberdeen en Ecosse, sous la direction du Dr Alessandro GIMONA. Le but de ce stage était d'identifier des zones importantes à protéger dans la partie Est de l'Araucania au Chili (partie patagonienne). Pour identifier ces zones, il a fallu faire des classifications de photographies satellitales provenant d'ASTER. Le travail a été réalisé en collaboration avec le centre de recherche Fauna Australis, le partenaire chilien. Note de contenu : 1 - Contexte du stage
1.1 - The Darwin Initiative et thé MAB project
1.1.1 - Présentation des projets
1.1.2 - Présentation des acteurs
1.2 - Description du sujet
2 - Réalisation du projet
2.1 - Photos ASTER et caractéristiques générales
2.2 - Orthorectification des photos
2.3 - Classification automatique
2.3.1 - Résultats de la classification non supervisée
2.3.2 - Résultats de la classification supervisée
2.3.3 - Images avec six bandes
2.3.4 - Image avec neuf bandes
2.3.5 - Classification supervisée sur l'image neuf bandes avec le cadastre
2.4-Analyse et recherche de régions importantes à conserver
2.4.1 - Présentation de Marxan et Cluz
2.4.2 -Analyse couplée avecArcGis
3 - Résultats
3.1 - Mise en valeur des résultats
3.2 - Conclusions sur les zones à protéger en priorité
4 - Bilan
4.1 - Apports pédagogiques du stage
4.2 - Améliorations et suites à donner au projetNuméro de notice : 19126 Affiliation des auteurs : IGN (1940-2011) Thématique : IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Macaulay Land Use Research Institute Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=51065 Réservation
Réserver ce documentExemplaires (2)
Code-barres Cote Support Localisation Section Disponibilité 19126-01 PROJET Livre Centre de documentation Travaux d'élèves Disponible 19126-02 PROJET Livre Centre de documentation Travaux d'élèves Disponible A novel transductive SVM for semisupervised classification of remote-sensing images / Lorenzo Bruzzone in IEEE Transactions on geoscience and remote sensing, vol 44 n° 11 Tome 2 (November 2006)
[article]
Titre : A novel transductive SVM for semisupervised classification of remote-sensing images Type de document : Article/Communication Auteurs : Lorenzo Bruzzone, Auteur ; M. Chi, Auteur ; Mattia Marconcini, Auteur Année de publication : 2006 Article en page(s) : pp 3363 - 3373 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] apprentissage dirigé
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] classification semi-dirigée
[Termes IGN] reconnaissance automatiqueRésumé : (Auteur) This paper introduces a semisupervised classification method that exploits both labeled and unlabeled samples for addressing ill-posed problems with support vector machines (SVMs). The method is based on recent developments in statistical learning theory concerning transductive inference and in particular transductive SVMs (TSVMs). TSVMs exploit specific iterative algorithms which gradually search a reliable separating hyperplane (in the kernel space) with a transductive process that incorporates both labeled and unlabeled samples in the training phase. Based on an analysis of the properties of the TSVMs presented in the literature, a novel modified TSVM classifier designed for addressing ill-posed remote-sensing problems is proposed. In particular, the proposed technique: 1) is based on a novel transductive procedure that exploits a weighting strategy for unlabeled patterns, based on a time-dependent criterion; 2) is able to mitigate the effects of suboptimal model selection (which is unavoidable in the presence of small-size training sets); and 3) can address multiclass cases. Experimental results confirm the effectiveness of the proposed method on a set of ill-posed remote-sensing classification problems representing different operative conditions. Copyright IEEE Numéro de notice : A2006-527 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2006.877950 En ligne : https://doi.org/10.1109/TGRS.2006.877950 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=28250
in IEEE Transactions on geoscience and remote sensing > vol 44 n° 11 Tome 2 (November 2006) . - pp 3363 - 3373[article]Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 065-06111B RAB Revue Centre de documentation En réserve L003 Disponible Partially supervised classification of remote sensing images through SVM-based probability density estimation / P. Mantero in IEEE Transactions on geoscience and remote sensing, vol 43 n° 3 (March 2005)
[article]
Titre : Partially supervised classification of remote sensing images through SVM-based probability density estimation Type de document : Article/Communication Auteurs : P. Mantero, Auteur ; G. Moser, Auteur ; S.B. Serpico, Auteur Année de publication : 2005 Article en page(s) : pp 559 - 570 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] classification semi-dirigée
[Termes IGN] estimation statistique
[Termes IGN] probabilités
[Termes IGN] réalité de terrainRésumé : (Auteur) A general problem of supervised remotely sensed image classification assumes prior knowledge to be available for all the thematic classes that are present in the considered dataset. However, the ground-truth map representing that prior knowledge usually does not really describe all the land-cover typologies in the image, and the generation of a complete training set often represents a time-consuming, difficult and expensive task. This problem affects the performances of supervised classifiers, which erroneously assign each sample drawn from an unknown class to one of the known classes. In the present paper, a classification strategy is described that allows the identification of samples drawn from unknown classes through the application of a suitable Bayesian decision rule. The proposed approach is based on support vector machines (SVMs) for the estimation of probability density functions and on a recursive procedure to generate prior probability estimates for known and unknown classes. In the experiments, both a synthetic dataset and two real datasets were used. Numéro de notice : A2005-168 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2004.842022 En ligne : https://doi.org/10.1109/TGRS.2004.842022 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=27306
in IEEE Transactions on geoscience and remote sensing > vol 43 n° 3 (March 2005) . - pp 559 - 570[article]Réservation
Réserver ce documentExemplaires (2)
Code-barres Cote Support Localisation Section Disponibilité 065-05032 RAB Revue Centre de documentation En réserve L003 Disponible 065-05031 RAB Revue Centre de documentation En réserve L003 Disponible A cost-effective semisupervised classifier approach with kernels / M. Murat Dundar in IEEE Transactions on geoscience and remote sensing, vol 42 n° 1 (January 2004)PermalinkAnalyse de la texture des images de réflectance terrestre / D. Sarrat (1977)Permalink