Descripteur
Termes IGN > informatique > intelligence artificielle > apprentissage automatique > méthode fondée sur le noyau
méthode fondée sur le noyau |
Documents disponibles dans cette catégorie (80)
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
vol 74 n° 10 - October 2008 - Artificial intelligence in remote sensing (Bulletin de Photogrammetric Engineering & Remote Sensing, PERS) / American society for photogrammetry and remote sensing
[n° ou bulletin]
est un bulletin de Photogrammetric Engineering & Remote Sensing, PERS / American society for photogrammetry and remote sensing (1975 -)
Titre : vol 74 n° 10 - October 2008 - Artificial intelligence in remote sensing Type de document : Périodique Auteurs : American society for photogrammetry and remote sensing, Auteur Année de publication : 2008 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Télédétection
[Termes IGN] algorithme génétique
[Termes IGN] automate cellulaire
[Termes IGN] intelligence artificielle
[Termes IGN] réseau neuronal artificiel
[Termes IGN] séparateur à vaste margeNuméro de notice : 105-0810 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Numéro de périodique Permalink : https://documentation.ensg.eu/index.php?lvl=bulletin_display&id=10346 [n° ou bulletin]Contient
- Subpixel urban land cover estimation: comparing cubist, random forests, and support vector regression / J. Walton in Photogrammetric Engineering & Remote Sensing, PERS, vol 74 n° 10 (October 2008)
- Neuro-fuzzy based analysis of hyperspectral imagery / F. Qiu in Photogrammetric Engineering & Remote Sensing, PERS, vol 74 n° 10 (October 2008)
- Genetic algorithms for the calibration of cellular automata urban growth modeling / J. Shan in Photogrammetric Engineering & Remote Sensing, PERS, vol 74 n° 10 (October 2008)
Subpixel urban land cover estimation: comparing cubist, random forests, and support vector regression / J. Walton in Photogrammetric Engineering & Remote Sensing, PERS, vol 74 n° 10 (October 2008)
[article]
Titre : Subpixel urban land cover estimation: comparing cubist, random forests, and support vector regression Type de document : Article/Communication Auteurs : J. Walton, Auteur Année de publication : 2008 Article en page(s) : pp 1213 - 1222 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse comparative
[Termes IGN] image Landsat-ETM+
[Termes IGN] milieu urbain
[Termes IGN] occupation du sol
[Termes IGN] régression
[Termes IGN] séparateur à vaste marge
[Termes IGN] surface imperméableRésumé : (Auteur) Three machine learning subpixel estimation methods (Cubist, Random Forests, and support vector regression) were applied to estimate urban cover. Urban forest canopy cover and impervious surface cover were estimated from Landsat-7 ETM+ imagery using a higher resolution cover map resampled to 30 m as training and reference data. Three different band combinations (reflectance, tasseled cap, and both reflectance and tasseled cap plus thermal) were compared for their effectiveness with each of the methods. Thirty different training site number and size combinations were also tested. Support vector regression on the tasseled cap bands was found to be the best estimator for urban forest canopy cover, while Cubist performed best using the reflectance plus tasseled cap band combination when predicting impervious surface cover. More training data partitioned in many small training sites generally produces better estimation results. Copyright ASPRS Numéro de notice : A2008-374 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.14358/PERS.74.10.1213 En ligne : https://doi.org/10.14358/PERS.74.10.1213 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=29367
in Photogrammetric Engineering & Remote Sensing, PERS > vol 74 n° 10 (October 2008) . - pp 1213 - 1222[article]Mapping of environmental data using kernel-based methods / Mikhail Kanevski in Revue internationale de géomatique, vol 17 n° 3-4 (septembre 2007 – février 2008)
[article]
Titre : Mapping of environmental data using kernel-based methods Type de document : Article/Communication Auteurs : Mikhail Kanevski, Auteur ; A. Pozdnoukhov, Auteur ; V. Timonin, Auteur ; M. Maignan, Auteur Année de publication : 2007 Article en page(s) : pp 309 - 331 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] analyse spatiale
[Termes IGN] apprentissage automatique
[Termes IGN] cartographie écologique
[Termes IGN] données localisées
[Termes IGN] méthode fondée sur le noyau
[Termes IGN] réseau neuronal artificiel
[Termes IGN] surveillance écologiqueRésumé : (Auteur) Ces dernières années, les méthodes d’apprentissage machine (machine learning) ont connu une grande popularité dans plusieurs domaines d’application comme, sans être exhaustifs, la reconnaissance vocale, la vision par ordinateur ou la télédétection. Ce papier est une revue d’applications de méthodes à noyau (aussi appelées kernel methods) pour l’analyse de données environnementales. Plusieurs études sont présentées : la classification de données catégorielles (types de sol), la cartographie de la pollution (contamination des sols par les radionucléides) et l’intégration d’information auxiliaire à des modèles purement spatiaux (modélisation de la température dans la région de la mer d’Aral). D’autres applications novatrices, comme la cartographie automatique des phénomènes extrêmes ou l’optimisation des réseaux de monitoring, sont également discutées. Copyright Lavoisier Numéro de notice : A2007-594 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.3166/geo.17.309-331 En ligne : https://doi.org/10.3166/geo.17.309-331 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=28957
in Revue internationale de géomatique > vol 17 n° 3-4 (septembre 2007 – février 2008) . - pp 309 - 331[article]Exemplaires(2)
Code-barres Cote Support Localisation Section Disponibilité 047-07031 RAB Revue Centre de documentation En réserve L003 Disponible 047-07032 RAB Revue Centre de documentation En réserve L003 Disponible A support vector method for anomaly detection in hyperspectral imagery / Amit Banerjee in IEEE Transactions on geoscience and remote sensing, vol 44 n° 8 (August 2006)
[article]
Titre : A support vector method for anomaly detection in hyperspectral imagery Type de document : Article/Communication Auteurs : Amit Banerjee, Auteur ; Philippe Burlina, Auteur ; Chris Diehl, Auteur Année de publication : 2006 Article en page(s) : pp 2282 - 2291 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] aide à la décision
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] détection d'erreur
[Termes IGN] détection de cible
[Termes IGN] image hyperspectrale
[Termes IGN] méthode fondée sur le noyau
[Termes IGN] test statistiqueRésumé : (Auteur) This paper presents a method for anomaly detection in hyperspectral images based on the support vector data description (SVDD), a kernel method for modeling the support of a distribution. Conventional anomaly-detection algorithms are based upon the popular Reed-Xiaoli detector. However, these algorithms typically suffer from large numbers of false alarms due to the assumptions that the local background is Gaussian and homogeneous. In practice, these assumptions are often violated, especially when the neighborhood of a pixel contains multiple types of terrain. To remove these assumptions, a novel anomaly detector that incorporates a nonparametric background model based on the SVDD is derived. Expanding on prior SVDD work, a geometric interpretation of the SVDD is used to propose a decision rule that utilizes a new test statistic and shares some of the properties of constant false-alarm rate detectors. Using receiver operating characteristic curves, the authors report results that demonstrate the improved performance and reduction in the false-alarm rate when using the SVDD-based detector on wide-area airborne mine detection (WAAMD) and hyperspectral digital imagery collection experiment (HYDICE) imagery. Copyright IEEE Numéro de notice : A2006-396 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2006.873019 En ligne : https://doi.org/10.1109/TGRS.2006.873019 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=28120
in IEEE Transactions on geoscience and remote sensing > vol 44 n° 8 (August 2006) . - pp 2282 - 2291[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 065-06081 RAB Revue Centre de documentation En réserve L003 Disponible CAp 2006, 8e conférence francophone sur l'apprentissage automatique, 22 - 24 mai 2006, Trégastel, France / Laurent Miclet (2006)
Titre : CAp 2006, 8e conférence francophone sur l'apprentissage automatique, 22 - 24 mai 2006, Trégastel, France Type de document : Actes de congrès Auteurs : Laurent Miclet, Éditeur scientifique Editeur : Grenoble : Presses Universitaires de Grenoble Année de publication : 2006 Conférence : CAp 2006, 8e conférence francophone sur l'apprentissage automatique 22/05/2006 24/05/2006 Trégastel France Importance : 403 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-2-7061-1372-7 Langues : Français (fre) Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] analyse de groupement
[Termes IGN] apprentissage automatique
[Termes IGN] classification bayesienne
[Termes IGN] classification non dirigée
[Termes IGN] détection d'objet
[Termes IGN] exploration de données
[Termes IGN] méthode fondée sur le noyau
[Termes IGN] séparateur à vaste margeIndex. décimale : CG2006 Actes de congrès en 2006 Note de contenu : - Apprentissage dans les séquences
- Noyaux et SVM
- Classification non-supervisée et fouilles de données
- Apprentissage dans les séquences et dans les arbres
- Théorie de l'apprentissage
- Miscellanées
- Fouille de donnéesNuméro de notice : 24681 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE/MATHEMATIQUE Nature : Actes nature-HAL : DirectOuvrColl/Actes Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92475 Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 24681-01 CG2006 Livre Centre de documentation Congrès Disponible 7e conférence francophone sur l'apprentissage automatique, CAp 2005, [Plate-forme AFIA], 30 mai - 3 juin 2005, Nice, France / François Denis (2005)Permalink7es Rencontres des Jeunes Chercheurs en Intelligence Artificielle [Plate-forme AFIA 2005] / Emmanuel Guéré (2005)PermalinkA cost-effective semisupervised classifier approach with kernels / M. Murat Dundar in IEEE Transactions on geoscience and remote sensing, vol 42 n° 1 (January 2004)PermalinkApprentissage automatique / Marc Sebban (1999)PermalinkConférence d'apprentissage 99, actes de CAP'99, Ecole Polytechnique, Palaiseau, 15-18 juin 1999 / Michèle Sebag (1999)Permalink