Centre dedocumentation
scientifique

Computationally efficient hyperspectral data learning based on the doubly stochastic dirichlet process / Xing Sun in IEEE Transactions on geoscience and remote sensing, vol 55 n° 1 (January 2017)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 55 n° 1 (January 2017) . - pp 363 - 374 Titre : Computationally efficient hyperspectral data learning based on the doubly stochastic dirichlet process Type de document : Article/Communication Auteurs : Xing Sun, Auteur ; Nelson H. C. Yung, Auteur ; Edmund Y. Lam, Auteur ; Hayden K.-H. So, Auteur Année de publication : 2017 Article en page(s) : pp 363 - 374 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] classification [Termes descripteurs IGN] image hyperspectrale [Termes descripteurs IGN] modèle stochastique [Termes descripteurs IGN] modelisation de classe [Termes descripteurs IGN] problème de Dirichlet Résumé : (Auteur) The Dirichlet process (DP) prior is effective in modeling HSIs (HSI) and identifying land-cover classes. However, modeling a continuously varying intensity of these land covers elegantly and consistently is still a challenge. We propose a doubly stochastic DP (DSDP) as an efficient model of the global topic measurement space, which imposes a weaker assumption compared with the discrete Markov assumption, resulting in a lower computational cost than other DP-prior-based models. We also present a mixture model of DSDP, which is termed the marked sigmoidal Gaussian process (SGP) DSDP mixture model. It can be thinned from a DP mixture without massive auxiliary covariates, and the marked function prior makes the number of land-cover classes consistent, whereas the SGP function prior models the HSI land-cover variation globally. The consistency of the number of land covers is maintained for various HSIs with large-scale geographical areas. Experiments show that the model is robust and consistent on HSI identification with weak or even no supervision. Numéro de notice : A2017-020 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern En ligne : http://dx.doi./org/10.1109/TGRS.2016.2606575 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=83951 [article]

Méthode de factorisation progressive pour accroître l’abstraction d’un modèle de classes / André Miralles in Ingénierie des systèmes d'information, ISI : Revue des sciences et technologies de l'information, RSTI, vol 20 n° 2 (mars - avril 2015)  

Public [article]  inIngénierie des systèmes d'information, ISI : Revue des sciences et technologies de l'information, RSTI > vol 20 n° 2 (mars - avril 2015) . - pp 9 - 39 Titre : Méthode de factorisation progressive pour accroître l’abstraction d’un modèle de classes Type de document : Article/Communication Auteurs : André Miralles, Auteur ; Marianne Huchard, Auteur ; Xavier Dolques, Auteur ; et al., Auteur Année de publication : 2015 Article en page(s) : pp 9 - 39 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Systèmes d'information [Termes descripteurs IGN] analyse combinatoire (maths) [Termes descripteurs IGN] analyse informatique [Termes descripteurs IGN] modelisation de classe [Termes descripteurs IGN] niveau d'abstraction [Termes descripteurs IGN] REFACTORISATION [Termes descripteurs IGN] système d'information Résumé : (Auteur) Nous nous intéressons à la construction du modèle de classes d’un système d’information environnemental dans un contexte multi-acteur. Nous étudions une amélioration progressive du modèle par analyse des classes et des associations pour en faire émerger d’autres ayant un niveau d’abstraction plus élevé. La technique que nous utilisons est basée sur l’analyse formelle de concepts. Son application en une seule étape produisant de nouveaux concepts en nombre trop élevé pour l’analyse par les experts, nous proposons une construction par étapes. Cette solution est testée sur un modèle de système d’information environnemental. Numéro de notice : A2015-283 Thématique : INFORMATIQUE Nature : Article DOI : 10.3166/isi.20.2.9-39 En ligne : https://doi.org/10.3166/isi.20.2.9-39 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=76627 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
093-2015021	SL	Revue	Centre de documentation	Revues en salle	Disponible