Descripteur
Termes IGN > informatique > intelligence artificielle > ingénierie des connaissances > découverte de connaissances
découverte de connaissancesSynonyme(s)extraction du savoir extraction de connaissancesVoir aussi |
Documents disponibles dans cette catégorie (282)
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
Titre : Data mining : methods, applications and systems Type de document : Monographie Auteurs : Derya Birant, Éditeur scientifique Editeur : London [UK] : IntechOpen Année de publication : 2021 Importance : 200 p. ISBN/ISSN/EAN : 978-1-83968-319-0 Note générale : Print ISBN 978-1-83968-318-3
eBook (PDF) ISBN 978-1-83968-320-6Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] acquisition de données
[Termes IGN] apprentissage profond
[Termes IGN] arbre de décision
[Termes IGN] exploration de données
[Termes IGN] Python (langage de programmation)
[Termes IGN] série temporelleIndex. décimale : 26.40 Intelligence artificielle Résumé : (Editeur) Data mining is a branch of computer science that is used to automatically extract meaningful, useful knowledge and previously unknown, hidden, interesting patterns from a large amount of data to support the decision-making process. This book presents recent theoretical and practical advances in the field of data mining. It discusses a number of data mining methods, including classification, clustering, and association rule mining. This book brings together many different successful data mining studies in various areas such as health, banking, education, software engineering, animal science, and the environment. Note de contenu :
1. Deep Learning: Exemplar Studies in Natural Language Processing and Computer Vision / Selma Tekir and Yalin Bastanlar
2. Contribution to Decision Tree Induction with Python: A Review / Bouchra Lamrini
3. Association Rule Mining on Big Data Sets / Oguz Celik, Muruvvet Hasanbasoglu, Mehmet S. Aktas and Oya Kalipsiz
4. Data Mining in Banking Sector Using Weighted Decision Jungle Method / Derya Birant
5. Analytical Statistics Techniques of Classification and Regression in Machine Learning / Pramod Kumar, Sameer Ambekar, Manish Kumar and Subarna Roy
6. Clustering of Time-Series Data / Esma Ergüner Özkoç
7. Weather Nowcasting Using Deep Learning Techniques / Makhamisa Senekane, Mhlambululi Mafu and Molibeli Benedict Taele
8. Data Mining and Machine Learning for Software Engineering / Elife Ozturk Kiyak
9. Data Mining for Student Performance Prediction in Education / Ferda Ünal
10. Tracer Transport in a Homogeneous Porous Medium: Experimental Study and Acquisition Data with LabVIEW / Sana Dardouri and Jalila Sghaier
11. Data Mining and Fuzzy Data Mining Using MapReduce Algorithms / Poli Venkata Subba ReddyNuméro de notice : 26539 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Recueil / ouvrage collectif DOI : 10.5772/intechopen.87784 En ligne : http://doi.org/10.5772/intechopen.87784 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97753 Extracting event-related information from a corpus regarding soil industrial pollution / Chuanming Dong (2021)
Titre : Extracting event-related information from a corpus regarding soil industrial pollution Type de document : Article/Communication Auteurs : Chuanming Dong , Auteur ; Philippe Gambette, Auteur ; Catherine Dominguès , Auteur Editeur : Setúbal [Portugal] : Science and Technology Publications - Scitepress Année de publication : 2021 Projets : 1-Pas de projet / Conférence : KDIR 2021, 13th International Conference on Knowledge Discovery and Information Retrieval 25/10/2021 27/10/2021 Setubal Portugal OA Proceedings Importance : pp 217 - 224 Note générale : bibliographie
In Proceedings of the 13th International Joint Conference on Knowledge Discovery, Knowledge Engineering and Knowledge Management - KDIR, ISBN 978-989-758-533-3Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées
[Termes IGN] apprentissage profond
[Termes IGN] corpus
[Termes IGN] découverte de connaissances
[Termes IGN] données étiquetées d'entrainement
[Termes IGN] pollution des sols
[Termes IGN] site pollué
[Termes IGN] traitement du langage naturelRésumé : (auteur) We study the extraction and reorganization of event-related information in texts regarding industrial pollution. The object is to build a memory of polluted sites that gathers the information about industrial events from various databases and corpora. An industrial event is described through several features as the event trigger, the industrial activity, the institution, the pollutant, etc. In order to efficiently collect information from a large corpus, it is necessary to automatize the information extraction process. To this end, we manually annotated a part of a corpus about soil industrial pollution, then we used it to train information extraction models with deep learning methods. The models we trained achieve 0.76 F-score on event feature extraction. We intend to improve the models and then use them on other text resources to enrich the polluted sites memory with extracted information about industrial events. Numéro de notice : C2021-068 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : GEOMATIQUE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.5220/0010656700003064 En ligne : https://dx.doi.org/10.5220/0010656700003064 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99540 Intégration et analyse de données massives et hétérogènes pour une observation intelligente du territoire / Rodrigue Kafando (2021)
Titre : Intégration et analyse de données massives et hétérogènes pour une observation intelligente du territoire Type de document : Thèse/HDR Auteurs : Rodrigue Kafando, Auteur ; Maguelonne Teisseire, Directeur de thèse Editeur : Montpellier : Université de Montpellier Année de publication : 2021 Importance : 153 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse pour obtenir le grade de Docteur de l'Université de Montpellier en InformatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] chaîne de traitement
[Termes IGN] collecte de données
[Termes IGN] corpus
[Termes IGN] découverte de connaissances
[Termes IGN] données hétérogènes
[Termes IGN] données massives
[Termes IGN] données spatiotemporelles
[Termes IGN] données thématiques
[Termes IGN] exploration de données
[Termes IGN] Montpellier
[Termes IGN] stockage de données
[Termes IGN] terminologie
[Termes IGN] territoire
[Termes IGN] ville intelligenteIndex. décimale : THESE Thèses et HDR Résumé : (auteur) L’avènement des nouvelles technologies de la communication et de l’information (NTIC) accélère la croissance des données produites par les services qu’offrent les grandes villes à leur population dans divers domaines. Parmi ces données, nous pouvons citer : les données textuelles (disponibles sur le Web), les images satellites (données de surveillance), les données issues de capteurs, etc. Ces données sont essentiellement issues des services proposés pour répondre aux besoins quotidiens des habitants comme la mobilité, la communication, la santé, ainsi que les services de gestion des différentes ressources comme l’eau, les exploitations agricoles et urbaines, l’énergie, etc. Cette forte croissance remet en question la complétude et l'efficacité des méthodes et techniques classiquement utilisées en fouille de données. Les difficultés rencontrées sont principalement liées à la volumétrie des données, mais aussi à leur complexité telle que la forte hétérogénéité. Notre sujet de recherche s’inscrit dans le cadre de la démarche ÉcoCité de la Métropole de Montpellier Méditerranée (3M) et vise à développer une démarche d’observation intelligente du territoire à partir des masses de données dont-elle dispose. Dans cette thèse, nous nous intéressons à l'enrichissement mutuelle entre des données fortement hétérogènes pour le suivi des territoires. Nous limitons notre étude à trois thématiques qui sont l’urbanisation, l’agriculture et l’hydrologie sur le territoire de la métropole de Montpellier. Pour ce faire, nous déclinons dans cette étude, une chaîne de traitement qui regroupe des approches permettant : 1) de collecter des séries temporelles de données textuelles pour la constitution de corpus thématiques avec un ancrage sur le plan spatial et de les analyser, 2) de stocker ces données massives et hétérogènes afin de les rendre accessibles et analysables par tous, sans pour autant les détériorer, 3) d’extraire des indicateurs permettant de mettre en relation les données des différentes thématiques, tant sur le plan spatial, temporel que thématique, et 4) d’extraire des connaissances à partir de ces données, afin de montrer l’impact de ces thématiques sur l’évolution du territoire de façon globale. À partir de ces différentes approches, nous mettons en évidence l'importance de la mise en relation de données gérées jusqu'ici en silo, en faisant ressortir des connaissances pouvant servir de système d’aide à la décision. L'ensemble des approches méthodologiques que nous proposons dans cette étude, constitue une chaîne de traitement complète, allant de la collecte des données hétérogènes à leur mise en relation et analyse pour l'extraction des connaissances pour la description d’événements territoriaux sur le plan spatio-temporel. Note de contenu : 1- Introduction
2- Vers un système d’information pour les villes intelligentes
3- Protocole de collecte de données textuelles
4- Extraction et analyse de terminologies : ITEXT-BIO
5- Stockage de données hétérogènes : Lac de données spatiales
6- Intégration et mise en relation de données hétérogènes
7- Conclusion généraleNuméro de notice : 28897 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Montpellier : 2021 Organisme de stage : INRAE-UMR TETIS DOI : sans En ligne : https://www.theses.fr/2021MONTS062 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101658 Intelligent sensors for positioning, tracking, monitoring, navigation and smart sensing in smart cities / Li Tiancheng (2021)
Titre : Intelligent sensors for positioning, tracking, monitoring, navigation and smart sensing in smart cities Type de document : Monographie Auteurs : Li Tiancheng, Éditeur scientifique ; Jan Junkun, Éditeur scientifique ; Cao Yue, Éditeur scientifique ; et al., Auteur Editeur : Bâle [Suisse] : Multidisciplinary Digital Publishing Institute MDPI Année de publication : 2021 Importance : 266 p. Format : 17 x 25 cm ISBN/ISSN/EAN : 978-3-0365-0123-9 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] apprentissage automatique
[Termes IGN] capteur (télédétection)
[Termes IGN] cartographie et localisation simultanées
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] détection de cible
[Termes IGN] exploration de données
[Termes IGN] Extreme Gradient Machine
[Termes IGN] fusion de données
[Termes IGN] Inférence floue
[Termes IGN] internet des objets
[Termes IGN] logique floue
[Termes IGN] navigation autonome
[Termes IGN] odomètre
[Termes IGN] positionnement en intérieur
[Termes IGN] réseau de capteurs
[Termes IGN] simulation de signal
[Termes IGN] ville intelligenteRésumé : (éditeur) The rapid development of advanced, arguably, intelligent sensors and their massive deployment provide a foundation for new paradigms to combat the challenges that arise in significant tasks such as positioning, tracking, navigation, and smart sensing in various environments. Relevant advances in artificial intelligence (AI) and machine learning (ML) are also finding rapid adoption by industry and fan the fire. Consequently, research on intelligent sensing systems and technologies has attracted considerable attention during the past decade, leading to a variety of effective applications related to intelligent transportation, autonomous vehicles, wearable computing, wireless sensor networks (WSN), and the internet of things (IoT). In particular, the sensors community has a great interest in novel, intelligent information fusion, and data mining methods coupling AI and ML for substantial performance enhancement, especially for the challenging scenarios that make traditional approaches inappropriate. This reprint book has collected 14 excellent papers that represent state-of-the-art achievements in the relevant topics and provides cutting-edge coverage of recent advances in sensor signal and data mining techniques, algorithms, and approaches, particularly applied for positioning, tracking, navigation, and smart sensing. Note de contenu : 1- MIMU/odometer fusion with state constraints for vehicle positioning during BeiDou signal outage: Testing and results
2- Autonomous road roundabout detection and navigation system for smart vehicles and cities using laser simulator–fuzzy logic algorithms and sensor fusion
3- An elaborated signal model for simultaneous range and vector velocity estimation in FMCW radar
4- Hybrid solution combining Kalman filtering with Takagi–Sugeno fuzzy inference system for online car-following model calibration
5- Computationally efficient cooperative dynamic range-only SLAM based on sum of Gaussian filter
6- LoRaWAN geo-tracking using map matching and compass sensor fusion
7- A robust multi-sensor data fusion clustering algorithm based on density peaks
8- Extended target marginal distribution Poisson multi-Bernoulli mixture filter
9- A multi-core object detection coprocessor for multi-scale/type classification applicable to IoT devices
10- Leveraging uncertainties in softmax decision-making models for low-power IoT devices
11- Implementing deep learning techniques in 5G IoT networks for 3D indoor positioning: DELTA (DeEp Learning-Based Co-operaTive Architecture)
12- A novel hybrid algorithm based on Grey Wolf optimizer and fireworks algorithm
13- Passenger flow forecasting in metro transfer station based on the combination of singular spectrum analysis and AdaBoost-weighted extreme learning machine
14- A unified fourth-order tensor-based smart community systemNuméro de notice : 28609 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE/POSITIONNEMENT Nature : Recueil / ouvrage collectif DOI : 10.3390/books978-3-0365-0123-9 En ligne : https://doi.org/10.3390/books978-3-0365-0123-9 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99453 Méthodes et outils pour l’analyse spatiale exploratoire en géolinguistique : contributions aux humanités numériques spatialisées / Clément Chagnaud (2021)
Titre : Méthodes et outils pour l’analyse spatiale exploratoire en géolinguistique : contributions aux humanités numériques spatialisées Type de document : Thèse/HDR Auteurs : Clément Chagnaud, Auteur ; Paule-Annick Davoine, Directeur de thèse ; Elisabetta Carpitelli, Directeur de thèse Editeur : Grenoble [France] : Université Grenoble Alpes Année de publication : 2021 Importance : 316 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse pour obtenir le grade de Docteur de l'Université Grenoble Alpes, Spécialité Ingénierie de la Cognition, de l’Interaction, de l’Apprentissage et de la CréationLangues : Français (fre) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] cartographie thématique
[Termes IGN] classification barycentrique
[Termes IGN] dialecte
[Termes IGN] exploration de données géographiques
[Termes IGN] interpolation spatiale
[Termes IGN] interprétation automatique
[Termes IGN] linguistique
[Termes IGN] région
[Termes IGN] structure spatialeIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Depuis près d’un siècle, les géolinguistes utilisent la cartographie pour visualiser les données dialectales et ainsi comprendre les structures spatiales des dialectes. Les données produites par les géolinguistes sont issues d’enquêtes réalisées auprès de locuteurs identifiés sur un nombre restreint de localités. Elles sont donc ponctuelles, textuelles et spatialisées.Aujourd'hui, l'outillage logiciel destinée au traitement cartographique des données géolinguistiques est très en retard et les systèmes d'information géographique (SIG) sont peu adaptés. Nous proposons donc des méthodes et des outils géomatiques permettant la production automatique de cartes interprétatives et de cartes de synthèse pour l'analyse spatiale exploratoire de données géolinguistiques.Nos méthodes sont implémentées dans deux outils cartographiques, ShinyDialect et ShinyClass, qui permettent la visualisation et l'exploration des résultats.À travers ces méthodes, nos problématiques visent à intégrer des éléments géographiques (topographiques, historiques, culturels, administratifs etc.) dans le traitement des données géolinguistiques. L’objectif est d’explorer les liens potentiels entre ces éléments de contexte et la diffusion des dialectes sur un territoire.Ces travaux se situent dans le contexte du projet ECLATS dont l'objectif est de valoriser les données de l’Atlas Linguistique de la France. Nos propositions s'inscrivent dans une volonté de transfert de connaissances issues de l'informatique, de l'analyse spatiale et de la géographie vers la géolinguistique. Ces recherches se placent donc dans le paradigme des humanités numériques spatialisées et présentent des enjeux transdisciplinaires. Note de contenu : Introduction générale
1- Méthodes et pratiques cartographiques en géolinguistique
2- Contributions méthodologiques et outillage logiciel
Conclusion généraleNuméro de notice : 28677 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Ingénierie de la Cognition, de l’Interaction, de l’Apprentissage et de la Création : Grenoble : 2021 Organisme de stage : Laboratoire d'Informatique de Grenoble DOI : sans En ligne : https://hal.science/tel-03350462 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99971 PermalinkPermalinkSUMAC'21: Proceedings of the 3rd Workshop on Structuring and Understanding of Multimedia heritAge Contents / Valérie Gouet-Brunet (2021)PermalinkVisual exploration of historical image collections: An interactive approach through space and time / Evelyn Paiz-Reyes (2021)PermalinkSTME: An effective method for discovering spatiotemporal multi‐type clusters containing events with different densities / Chao Wang in Transactions in GIS, Vol 24 n° 6 (December 2020)PermalinkStreets of London: Using Flickr and OpenStreetMap to build an interactive image of the city / Azam Raha Bahrehdar in Computers, Environment and Urban Systems, vol 84 (November 2020)PermalinkA framework for group converging pattern mining using spatiotemporal trajectories / Bin Zhao in Geoinformatica, vol 24 n° 4 (October 2020)PermalinkAn overview of clustering methods for geo-referenced time series: from one-way clustering to co- and tri-clustering / Xiaojing Wu in International journal of geographical information science IJGIS, vol 34 n° 9 (September 2020)PermalinkGeovisualization and harmonic analysis for the exploratory search of localized cyclic recurrences in spatio-temporal event data / Jacques Gautier in Geomatica, vol 74 n° 3 (September 2020)PermalinkBreaking the eyes: how do users get started with a coordinated and multiple view geovisualization tool? / Izabela Golebiowska in Cartographic journal (the), Vol 57 n° 3 (August 2020)PermalinkLos Angeles as a digital place: The geographies of user‐generated content / Andrea Ballatore in Transactions in GIS, Vol 24 n° 4 (August 2020)PermalinkInvestigating the quality of reverse geocoding services using text similarity techniques and logistic regression analysis / Batuhan Kilic in Cartography and Geographic Information Science, Vol 47 n° 4 (July 2020)PermalinkMining spatiotemporal association patterns from complex geographic phenomena / Zhanjun He in International journal of geographical information science IJGIS, vol 34 n° 6 (June 2020)PermalinkConciliating perspectives from mapping agencies and web of data on successful European SDIs: toward a European geographic knowledge graph / Bénédicte Bucher in ISPRS International journal of geo-information, vol 9 n° 2 (February 2020)PermalinkCalcul d’une emprise de carte à partir du texte d’un article de presse / Clément Beauvallet (2020)PermalinkPermalinkExtraction de connaissances pour la description de l'environnement maritime côtier à partir de textes d'aide à la navigation / Léa Lamotte in Revue des Nouvelles Technologies de l'Information, E.36 (2020)PermalinkPermalinkLa modélisation en géographie / Denise Pumain (2020)PermalinkPermalink