Descripteur
Termes IGN > informatique > intelligence artificielle > apprentissage automatique > apprentissage non-dirigé > classification automatique d'objets
classification automatique d'objets |
Documents disponibles dans cette catégorie (16)
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
Bayesian classification by data augmentation / B. Regguzoni in International Journal of Remote Sensing IJRS, vol 24 n° 20 (October 2003)
[article]
Titre : Bayesian classification by data augmentation Type de document : Article/Communication Auteurs : B. Regguzoni, Auteur ; Fernando Sanso, Auteur ; Giovanna Venuti, Auteur ; P.A. Brivio, Auteur Année de publication : 2003 Article en page(s) : pp 3961 - 3981 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] axiome de Bayes
[Termes IGN] classification automatique d'objets
[Termes IGN] classification bayesienne
[Termes IGN] classification par maximum de vraisemblanceRésumé : (Auteur) A typical remote sensing data clustering is the maximum likelihood supervised procedure. It consists of the estimation of a suitable mixture of distributions, based on training samples only, and in the subsequent pixelbypixel classification, performed by maximizing the likelihood ratio. In this way all the information on the parameters of the distributions, contained in the unsurveyed samples, is lost. In the paper it is proposed to apply a suitable Bayesian method, known as a data augmentation algorithm, to fully exploit the information contained in the data. The method is presented in detail and applied to an elementary simulated example proving its capability of achieving almost the theoretical limit for the classification error. Comparisons with current classification methods as well as an application to a real dataset are reported. Numéro de notice : A2003-286 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/0143116031000103817 En ligne : https://doi.org/10.1080/0143116031000103817 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=22581
in International Journal of Remote Sensing IJRS > vol 24 n° 20 (October 2003) . - pp 3961 - 3981[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 080-03201 RAB Revue Centre de documentation En réserve L003 Exclu du prêt ICEAGE: interactive clustering and exploration of large and high-dimensional geodata / D. Guo in Geoinformatica, vol 7 n° 3 (September - November 2003)
[article]
Titre : ICEAGE: interactive clustering and exploration of large and high-dimensional geodata Type de document : Article/Communication Auteurs : D. Guo, Auteur ; Donna J. Peuquet, Auteur ; M. Gahegan, Auteur Année de publication : 2003 Conférence : ACM GIS 2002, 10th ACM International Symposium on Advances in Geographic Information Systems 08/11/2002 09/11/2002 McLean Virginie - Etats-Unis Selected papers Article en page(s) : pp 229 - 253 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] classification ascendante hiérarchique
[Termes IGN] classification automatique d'objets
[Termes IGN] découverte de connaissances
[Termes IGN] évaluation
[Termes IGN] interactivité
[Termes IGN] segmentation
[Termes IGN] visualisation de donnéesRésumé : (Auteur) The unprecedented large size and high dimensionality of existing geographic datasets make the complex patterns that potentially lurk in the data hard to find. Clustering is one of the most important techniques for geographic knowledge discovery. However, existing clustering methods have two severe drawbacks for this purpose. First, spatial clustering methods focus on the specific characteristics of distributions in 2or 3D space, while general-purpose highdimensional clustering methods have limited power in recognizing spatial patterns that involve neighbors. Second, clustering methods in general are not geared toward allowing the humancomputer interaction needed to effectively teaseout complex patterns.
In the current paper, an approach is proposed to open up the "black box" of the clustering process for easy understanding, steering, focusing and interpretation, and thus to support an effective exploration of large and high dimensional geographic data. The proposed approach involves building a hierarchical spatial cluster structure ithin the highdimensional feature space, and using this combined space for discovering multidimensional (combined spatial and nonspatial) patterns with efficient computational clustering methods and highly interactive visualization techniques. More specifically, this includes the integration of: (1) a hierarchical spatial clustering method to generate a 1D spatial cluster ordering that preserves the hierarchical cluster structure, and (2) a density and gridbased technique to effectively support the interactive identification of interesting subspaces and subsequent searching for clusters in each subspace. The implementation of the proposed approach is in a fully open and interactive manner supported by various visualization techniques.Numéro de notice : A2003-201 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1023/A:1025101015202 En ligne : https://doi.org/10.1023/A:1025101015202 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=22497
in Geoinformatica > vol 7 n° 3 (September - November 2003) . - pp 229 - 253[article]Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 057-03031 RAB Revue Centre de documentation En réserve L003 Disponible Journées data mining spatial et analyse du risque, Versailles, 24 - 25 février 2000 / Sylvain Lassarre (2000)
Titre : Journées data mining spatial et analyse du risque, Versailles, 24 - 25 février 2000 Type de document : Actes de congrès Auteurs : Sylvain Lassarre, Éditeur scientifique ; Karine Zeitouni, Éditeur scientifique Editeur : Arcueil : Institut National de Recherche sur les Transports et leur Sécurité INRETS Année de publication : 2000 Conférence : INRETS 2000, Journées data mining spatial et analyse du risque 24/02/2000 25/02/2000 Versailles France Selected papers Format : 21 x 30 cm Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications SIG
[Termes IGN] analyse spatiale
[Termes IGN] base de données localisées
[Termes IGN] classification automatique d'objets
[Termes IGN] exploration de données géographiquesRésumé : (Auteur) Le data mining connaît un développement important et son application à des données géographiques, qui répond à un besoin réel, est aujourd'hui mal connue en France. Ces journées ont pour but, de faire un état de l'art sur les techniques avancées d'analyses spatiales développées au sein de différentes communautés de chercheurs : bases de données, géographie, épidémiologie et statistiques. Ces techniques d'analyse sont particulièrement utiles dans I'application à I'analyse du risque lié à un territoire (risque d'épidémie ou encore risque d'accidents de la circulation). Cette thématique, sa problématique spatiale ainsi que l'application du data mining spatial sont également présentées lors de ces journées. Des chercheurs français et étrangers connus dans ces domaines figurent au programme de ces journées. Numéro de notice : 59319 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Actes Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=36085 Réservation
Réserver ce documentExemplaires(2)
Code-barres Cote Support Localisation Section Disponibilité 59319-01 CG2000 Livre Centre de documentation Congrès Disponible 59319-02 CG2000 Livre Centre de documentation Congrès Disponible Analyse d'images aériennes haute résolution : détection et modélisation du bâti en zone urbaine / Matthieu Cord (1998)
Titre : Analyse d'images aériennes haute résolution : détection et modélisation du bâti en zone urbaine Type de document : Thèse/HDR Auteurs : Matthieu Cord, Auteur ; Sylvie Philipp-Foliguet, Directeur de thèse ; Jean-Pierre Cocquerez, Directeur de thèse Editeur : Cergy-Pontoise : Université de Cergy-Pontoise Année de publication : 1998 Importance : 159 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat en Sciences, Traitement du Signal et de l'Image, Université de Cergy-PontoiseLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse multirésolution
[Termes IGN] approche hiérarchique
[Termes IGN] classification automatique d'objets
[Termes IGN] classification orientée objet
[Termes IGN] détection du bâti
[Termes IGN] image aérienne
[Termes IGN] modélisation du bâti
[Termes IGN] précision décimétrique
[Termes IGN] profondeur
[Termes IGN] programmation stochastique
[Termes IGN] reconstruction 3D du bâti
[Termes IGN] sol
[Termes IGN] sursol
[Termes IGN] toit
[Termes IGN] vectorisation
[Termes IGN] visualisation 3D
[Termes IGN] zone urbaineIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Notre travail porte sur l'analyse d'images aériennes de résolution décimétrique (images IGN) en vue de détecter et de modéliser les bâtiments. Les scènes urbaines traitées étant très complexes, nous avons retenu une approche hiérarchique, reposant sur une analyse globale de la scène, suivie d'une modélisation locale dédiée au bâti. Nous avons basé notre analyse globale sur l'information de profondeur, très pertinente pour ce genre de scènes. C'est pourquoi nous avons tout d'abord élaboré un schéma de mise en correspondance répondant aux exigences de densité et de fiabilité des cartes altimétriques. La méthode basée sur une corrélation des gradients utilise des masques adaptatifs, une pondération géodésique, et s'intègre dans un processus multirésolution contrôlé par une validation croisée. Nous montrons ensuite comment une telle information de profondeur permet de détecter et de classer les différents objets de la scène selon trois thèmes génériques : bâti, végétation (du sursol), et sol. Après une segmentation altimétrique par agrégation locale, nous avons effectué une classification séparant le sursol du sol, à l'aide de règles propagées dans un graphe d'adjacence de régions 3D. Au sein de la classe sursol, nous avons séparé le bâti de la végétation en analysant localement les orientations des normales aux surfaces 3D. A l'issue de cette étape globale, nous avons modélisé les régions bâti selon deux approches complémentaires : vectorisation des limites des bâtiments et reconstruction 3D des toits. La vectorisation utilise conjointement informations radiométrique et altimétrique pour détecter et fusionner les segments d'une des vues. Le groupement final est contraint par la frontière 3D et vectorisé en minimisant les déformations géométriques. Pour modéliser les toits, nous avons suivi une approche statistique. A cette fin, nous avons introduit un modèle paramétrique multi-plans des données et nous avons développé un algorithme stochastique permettant de séparer et d'identifier simultanément les différents pans du toit. Note de contenu : Introduction
1- Présentation de la reconstruction 3D du bâti en milieu urbain
2- Reconstruction de modèles numériques d'élévation
3- Extraction et modélisation du bâti
ConclusionNuméro de notice : 21766 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Traitement du signal et de l'Image : Cergy-Pontoise : 1998 nature-HAL : Thèse DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91147 Réservation
Réserver ce documentExemplaires(2)
Code-barres Cote Support Localisation Section Disponibilité 21766-01 THESE Livre Centre de documentation Thèses Disponible 21766-02 THESE Livre Centre de documentation Thèses Disponible