Application de l’approche évolutionnaire basée sur les algorithmes génétiques et les règles inductives sur une image satellitaire à très haute résolution spatiale
| Type de document | Site actuel | Cote | Statut | Date de retour prévue | Code à barres | Réservations |
|---|---|---|---|---|---|---|
| Thèse universitaire | La bibliothèque des sciences de l'ingénieur | TH-621.3678 AZM (Parcourir l'étagère) | Disponible | 0000000028485 |
Survol La bibliothèque des sciences de l'ingénieur Étagères Fermer l'étagère
PH.D Université Mohammed V 2017
Le succès du paradigme de l’analyse d'image à base d'objets (Object Based Image Analysis – OBIA) peut être attribué au fait que les régions obtenues au moyen du processus de segmentation sont représentées avec une variété de caractéristiques spectrales, de forme, de texture et de contexte.
Ces objets avec des attributs représentatifs peuvent être affectés aux différents types d’occupation de sol et/ou d’utilisation des terres par le biais de deux options :
La première consiste à utiliser des classificateurs supervisés tels que K plus proche voisin (K-nearest neighbors -KNN) ou (Machine à vecteur de support - Support Vector Machine SVM). La deuxième est de créer des règles de classification.
Les classificateurs supervisés fonctionnent très bien et possèdent généralement une meilleure précision. Cependant, parmi leurs inconvénients est qu'ils ne prévoient pas une connaissance explicite (Explicit Knowledge) dans des formes compréhensibles et interprétables.
La construction d’un ensemble de règles de classification est généralement basée sur l’exploitation des connaissances des experts dans le domaine, lorsqu'ils traitent un petit nombre de classes avec un petit nombre d'attributs. Pourtant ayant une dizaine d'attributs en permanence évalués et attachés à chaque objet de l'image, est considérée comme une tâche fastidieuse et les experts deviennent rapidement débordés et totalement incapables devant la complexité de l’espace de recherche.
Là où les techniques du Data Mining pour découvrir des connaissances aident à comprendre les relations cachées entre les classes et leurs attributs attachés. Notre intervention consiste de mettre en évidence les avantages de l'utilisation du knowledge discovery et les outils du Data Mining, en particulier les algorithmes permettant de générer des règles inductives dans un contexte évolutionnaire, afin de développer une approche hybride pour l'extraction de l'information utile et exacte (données SIG prêtes à utiliser) à partir d’une image de télédétection de très haute résolution spatiale.


Il n'y a pas de commentaire pour ce document.