Descripteur
Termes IGN > mathématiques > statistique mathématique > probabilités > stochastique > estimation statistique > estimation bayesienne
estimation bayesienne |
Documents disponibles dans cette catégorie (45)
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
Multiview automatic target recognition for infrared imagery using collaborative sparse priors / Xuelu Li in IEEE Transactions on geoscience and remote sensing, vol 58 n° 10 (October 2020)
[article]
Titre : Multiview automatic target recognition for infrared imagery using collaborative sparse priors Type de document : Article/Communication Auteurs : Xuelu Li, Auteur ; Vishal Monga, Auteur ; Abhijit Mahalanobis, Auteur Année de publication : 2020 Article en page(s) : pp 6776 - 6790 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] ajustement de paramètres
[Termes IGN] apprentissage profond
[Termes IGN] détection de cible
[Termes IGN] données clairsemées
[Termes IGN] estimation bayesienne
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] image à basse résolution
[Termes IGN] image infrarouge
[Termes IGN] reconnaissance automatiqueRésumé : (auteur) The low resolution of infrared (IR) images makes feature extraction for classification of a challenging work. Learning-based methods, therefore, are preferred to be used on such raw imagery. In this article, in order to avoid difficulties in feature extraction, a novel multitask extension of the widely used sparse-representation-classification (SRC) method is proposed in both single and multiview set-ups. That is, the test sample could be a single IR image or images from different views. In both single-view and multiview scenarios, we try to employ collaborative spike and slab priors. This is because the traditional sparsity-inducing measures such as the l0 -row pseudonorm makes it hard to capture the sparse structure of the coefficient matrix when expanded in terms of a training dictionary, and the priors are proved to be able to capture fairly general sparse structures. Furthermore, a joint prior and sparse coefficient estimation method (JPCEM) is proposed for the first time in this article in order to alleviate the need to handpick prior parameters required before classification. Multiple experiments are conducted on a synthetic Comanche Forward Looking IR (FLIR) Automatic Target Recognition (ATR) database collected by Army Research Lab and a challenging mid-wave IR (MWIR) image ATR database made available by the U.S. Army Night Vision and Electronic Sensors Directorate. The final results substantiate the merits of the proposed JPCEM through comparisons with other state-of-the-art methods, including both the ones based on SRC and the ones constructed using deep learning frameworks. Numéro de notice : A2020-584 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.2973969 Date de publication en ligne : 26/03/2020 En ligne : https://doi.org/10.1109/TGRS.2020.2973969 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95908
in IEEE Transactions on geoscience and remote sensing > vol 58 n° 10 (October 2020) . - pp 6776 - 6790[article]Use of Bayesian modeling to determine the effects of meteorological conditions, prescribed burn season, and tree characteristics on litterfall of pinus nigra and pinus pinaster stands / Juncal Espinosa in Forests, vol 11 n° 9 (September 2020)
[article]
Titre : Use of Bayesian modeling to determine the effects of meteorological conditions, prescribed burn season, and tree characteristics on litterfall of pinus nigra and pinus pinaster stands Type de document : Article/Communication Auteurs : Juncal Espinosa, Auteur ; Óscar Rodríguez de Rivera, Auteur ; Javier Madrigal, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : N° 1006 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] biomasse
[Termes IGN] classification bayesienne
[Termes IGN] données météorologiques
[Termes IGN] Espagne
[Termes IGN] estimation bayesienne
[Termes IGN] incendie de forêt
[Termes IGN] intégrale de Laplace
[Termes IGN] modèle linéaire
[Termes IGN] Pinus nigra
[Termes IGN] Pinus pinaster
[Vedettes matières IGN] Végétation et changement climatiqueRésumé : (auteur) Research Highlights: Litterfall biomass after prescribed burning (PB) is significantly influenced by meteorological variables, stand characteristics, and the fire prescription. Some of the fire-adaptive traits of the species under study (Pinus nigra and Pinus pinaster) mitigate the effects of PB on litterfall biomass. The Bayesian approach, tested here for the first time, was shown to be useful for analyzing the complex combination of variables influencing the effect of PB on litterfall.
Background and Objectives: The aims of the study focused on explaining the influence of meteorological conditions after PB on litterfall biomass, to explore the potential influence of stand characteristic and tree traits that influence fire protection, and to assess the influence of fire prescription and fire behavior.
Materials and Methods: An experimental factorial design including three treatments (control, spring, and autumn burning), each with three replicates, was established at two experimental sites (N = 18; 50 × 50 m2 plots). The methodology of the International Co-operative Program on Assessment and Monitoring of Air Pollution Effects on Forests (ICP forests) was applied and a Bayesian approach was used to construct a generalized linear mixed model.
Results: Litterfall was mainly affected by the meteorological variables and also by the type of stand and the treatment. The effects of minimum bark thickness and the height of the first live branch were random. The maximum scorch height was not high enough to affect the litterfall. Time during which the temperature exceeded 60 °C (cambium and bark) did not have an important effect. Conclusions: Our findings demonstrated that meteorological conditions were the most significant variables affecting litterfall biomass, with snowy and stormy days having important effects. Significant effects of stand characteristics (mixed and pure stand) and fire prescription regime (spring and autumn PB) were shown. The trees were completely protected by a combination of low-intensity PB and fire-adaptive tree traits, which prevent direct and indirect effects on litterfall. Identification of important variables can help to improve PB and reduce the vulnerability of stands managed by this method.Numéro de notice : A2020-753 Affiliation des auteurs : non IGN Thématique : FORET Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/f11091006 Date de publication en ligne : 18/09/2020 En ligne : https://doi.org/10.3390/f11091006 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96433
in Forests > vol 11 n° 9 (September 2020) . - N° 1006[article]Cyclists' exposure to air pollution and noise in Mexico City : contribution of real-time traffic density indicators integrated into GIS / Philippe Apparicio in Revue internationale de géomatique, vol 30 n° 3-4 (juillet - décembre 2020)
[article]
Titre : Cyclists' exposure to air pollution and noise in Mexico City : contribution of real-time traffic density indicators integrated into GIS Type de document : Article/Communication Auteurs : Philippe Apparicio, Auteur ; Jérémy Gelb, Auteur ; Paula Negron-Poblete, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 155 - 179 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] analyse de données
[Termes IGN] bicyclette
[Termes IGN] dioxyde d'azote
[Termes IGN] estimation bayesienne
[Termes IGN] Mexico (Mexique)
[Termes IGN] pollution acoustique
[Termes IGN] pollution atmosphérique
[Termes IGN] système d'information géographique
[Termes IGN] temps réel
[Termes IGN] trafic routierRésumé : (Auteur) Air pollution and road traffic noise are two important environmental nuisances that could be harmful to the health and well-being of urban populations. In Mexico City, as in many North American cities, there has been an upusurge in bicycle ridership. However, Mexico City is also well known for having high levels of noise and air pollution. The purpose of this study is threefold: 1) evaluate cyclists' exposure to air pollution (nitrogen dioxide) and road traffic noise; 2) identify local factors that increase or reduce cyclists' exposure, in paying particular attention to the type of road and bicycle path or lane used; and 3) evaluate the influence of real-time traffic density on cyclists' exposure. A total of 19 bicycle trips made in central Mexico City neighbourhoods were analyzed, representing nearly 11 hours and 137 km. The results of the Bayesian models show that type of road and bicyle infrastructure taken by the cyclist, and proximity to a main artery all have significant impacts on exposure levels. Finally, the variables introduced to control for the traffic encountered by cyclists had a significant positive effect on noise exposure, and a positive but not significant effect on nitrogen dioxide exposure. Numéro de notice : A2020-879 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : 10.3166/rig.2021.00110 En ligne : https://doi.org/10.3166/rig.2021.00110 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100219
in Revue internationale de géomatique > vol 30 n° 3-4 (juillet - décembre 2020) . - pp 155 - 179[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 047-2020021 SL Revue Centre de documentation Revues en salle Disponible Spatiotemporally Varying Coefficients (STVC) model: a Bayesian local regression to detect spatial and temporal nonstationarity in variables relationships / Chao Song in Annals of GIS, vol 26 n° 3 (July 2020)
[article]
Titre : Spatiotemporally Varying Coefficients (STVC) model: a Bayesian local regression to detect spatial and temporal nonstationarity in variables relationships Type de document : Article/Communication Auteurs : Chao Song, Auteur ; Xun Shi, Auteur ; Jinfeng Wang, Auteur Année de publication : 2020 Article en page(s) : pp 277 - 291 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] Chine
[Termes IGN] données socio-économiques
[Termes IGN] estimation bayesienne
[Termes IGN] géostatistique
[Termes IGN] modélisation spatio-temporelle
[Termes IGN] régression
[Termes IGN] régression géographiquement pondérée
[Termes IGN] santé
[Termes IGN] série temporelleRésumé : (auteur) Local regression has an advantage over global regression by allowing coefficients that qualify variables relationships being heterogeneous, where such varying regression relationships are nonstationarity. Spatiotemporally Varying Coefficients (STVC) model is the first Bayesian-based local spatiotemporal regression approach, intending to simultaneously detect spatial and temporal nonstationarity for heterogeneous response-covariate variables relationships, through separately estimating posterior local-scale coefficients over different space areas and time frames. In this paper, we first presented a general Bayesian STVC modelling paradigm as a specification guide to show its commonality in broader geospatial research. Then, we employed it to solve a real-world issue concerning spatiotemporal healthcare-socioeconomic relations, for which we derived data of county-level hospital beds number per capita, as well as data of related socioeconomic factors in northeast China during 2002–2011. Results showed that the STVC model surpassed all the other comparative regressions, in terms of both Bayesian model fitness and predictive ability. Globally, resident savings, financial institutions loans, GDP, and primary industry were identified as key socioeconomic conditions affecting healthcare resources in Northeast China. Temporally, with Time-Coefficients (TC) plots, we found that after 2011, GDP and primary industry would further help improve the overall healthcare level of northeast China. Spatially, with Space-Coefficients (SC) maps, we could directly identify the relative contribution of four socioeconomic covariates’ impacts on healthcare within each administrative county. Bayesian STVC model is an essential development and extension of the local regression family for exploring the spatiotemporal heterogeneous variables relationships, especially under Bayesian statistics, as well as GIScience and spatial statistics. Numéro de notice : A2020-582 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/MATHEMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/19475683.2020.1782469 Date de publication en ligne : 08/08/2020 En ligne : https://doi.org/10.1080/19475683.2020.1782469 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95904
in Annals of GIS > vol 26 n° 3 (July 2020) . - pp 277 - 291[article]
Titre : Approche bayésienne pour la sélection de modèles : Application à la restauration d’image Type de document : Thèse/HDR Auteurs : Benjamin Harroué, Auteur ; Jean-François Giovannelli, Directeur de thèse ; Marcela Pereyra, Directeur de thèse Editeur : Bordeaux : Université de Bordeaux Année de publication : 2020 Importance : 102 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse présentée pour obtenir le grade de Docteur en Automatique, Productique, Signal et Image, Ingénierie cognitiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] déconvolution
[Termes IGN] échantillonnage de Gibbs
[Termes IGN] estimation bayesienne
[Termes IGN] fonction harmonique
[Termes IGN] matrice de covariance
[Termes IGN] problème inverse
[Termes IGN] processus gaussien
[Termes IGN] reconstruction d'image
[Termes IGN] restauration d'imageIndex. décimale : THESE Thèses et HDR Résumé : (auteur) L’inversion consiste à reconstruire des objets d’intérêt à partir de données acquises au travers d’un système d’observation. Dans ces travaux, nous nous penchons sur la déconvolution d’image. Les données observées constituent une version dégradée de l’objet, altéré par le système (flou et bruit). A cause de la perte d’informations engendrée, le problème devient alors mal conditionné. Une solution est de régulariser dans un cadre bayésien : en se basant sur des modèles, on introduit de l’information a priori sur les inconnues. Se posent alors les questions suivantes : comment comparer les modèles candidats et choisir le meilleur ? Sur quel critère faut-il s’appuyer ? A quelles caractéristiques ou quantités doit-on se fier ? Ces travaux présentent une méthode de comparaison et de sélection automatique de modèles, fondée sur la théorie de la décision bayésienne. La démarche consiste à sélectionner le modèle qui maximise la probabilité a posteriori. Pour calculer ces dernières, on a besoin de connaître une quantité primordiale : l’évidence. Elle s’obtient en marginalisant la loi jointe par rapport aux inconnus : l’image et les hyperparamètres. Les dépendances complexes entre les variables et la grande dimension de l’image rendent le calcul analytique de l’intégrale impossible. On a donc recours à des méthodes numériques. Dans cette première étude, on s’intéresse au cas gaussien circulant. Cela permet, d’une part, d’avoir une expression analytique de l’intégrale sur l’image, et d’autre part, de faciliter la manipulation des matrices de covariances. Plusieurs méthodes sont mises en œuvre comme l’algorithme du Chib couplé à une chaîne de Gibbs, les power posteriors, ou encore la moyenne harmonique. Les méthodes sont ensuite comparées pour déterminer lesquelles sont les plus adéquates au problème de la restauration d’image. Note de contenu : 1- Introduction
2- Sélection de modèles et calcul de l’évidence : état de l’art
3- Sélection de modèles sur observation directe
4- Sélection de modèles sur observation indirecte
5- Sélection de modèles sur données réelles
6- Conclusion : bilan et perspectivesNuméro de notice : 28558 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : thèse de Doctorat : Automatique, Productique, Signal et Image, Ingénierie cognitique : Bordeaux : 2020 nature-HAL : Thèse En ligne : https://tel.archives-ouvertes.fr/tel-03065948/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97587 Asymptotically exact data augmentation : models and Monte Carlo sampling with applications to Bayesian inference / Maxime Vono (2020)PermalinkPermalinkCamera orientation, calibration and inverse perspective with uncertainties: a Bayesian method applied to area estimation from diverse photographs / Grégoire Guillet in ISPRS Journal of photogrammetry and remote sensing, vol 159 (January 2020)PermalinkSentinel-2 sharpening using a reduced-rank method / Magnus Orn Ulfarsson in IEEE Transactions on geoscience and remote sensing, vol 57 n° 9 (September 2019)PermalinkGenetic diversity and structure of Silver fir (Abies alba Mill.) at the south-eastern limit of its distribution range / Maria Teodosiu in Annals of forest research, vol 62 n° 2 (June - December 2019)PermalinkBayesian calibration of a carbon balance model PREBAS using data from permanent growth experiments and national forest inventory / Francesco Minunno in Forest ecology and management, vol 440 (15 May 2019)PermalinkBayesian iterative reconstruction methods for 3D X-ray Computed Tomography / Camille Chapdelaine (2019)PermalinkPermalinkExploitation de séries temporelles d'images multi-sources pour la cartographie des surfaces en eau / Filsa Bioresita (2019)PermalinkFostering the use of methods for geosimulation models sensitivity analysis and validation / Romain Reuillon (2019)Permalink