Revue Internationale de Géomatique
1260-5875
|
|
|
|
International Journal of Geomatics and Spatial Analysis
|
| |
|
ARTICLE VOL 17/3-4 - 2007
- pp.309-331
- doi:10.3166/geo.17.309-331
|
Mapping of environmental data using kernel-based methods
Ces dernières années, les méthodes dapprentissage machine (machine learning) ont
connu une grande popularité dans plusieurs domaines dapplication comme, sans être
exhaustifs, la reconnaissance vocale, la vision par ordinateur ou la télédétection. Ce papier
est une revue dapplications de méthodes à noyau (aussi appelées kernel methods) pour
lanalyse 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 lintégration dinformation auxiliaire à des modèles purement
spatiaux (modélisation de la température dans la région de la mer dAral). Dautres
applications novatrices, comme la cartographie automatique des phénomènes extrêmes ou
loptimisation des réseaux de monitoring, sont également discutées.
Recently, kernel-based Machine Learning methods have gained great popularity in
many data analysis and data mining fields: pattern recognition, biocomputing, speech and
vision, engineering, remote sensing etc. The paper describes the use of kernel methods to
approach the processing of large datasets from environmental monitoring networks. Several
typical problems of the environmental sciences and their solutions provided by kernel-based
methods are considered: classification of categorical data (soil type classification), mapping
of environmental and pollution continuous information (pollution of soil by radionuclides),
mapping with auxiliary information (climatic data from Aral Sea region). The promising
developments, such as automatic emergency hot spot detection and monitoring network
optimization are discussed as well.
M.KANEVSKI, A.POZDNOUKHOV, V.TIMONIN, M.MAIGNAN
apprentissage automatique, méthodes à noyau, réseaux neuronaux, analyse de données environnementales, optimisation des réseaux de monitoring.
machine learning algorithms, kernel-based methods, Statistical Learning Theory (SLT), General Regression Neural Networks (GRNN), Support Vector Regression (SVR), Radial Basis Function Neural Networks (RBFNN), Support Vector Machines (SVM), Probabilistic Neural Networks (PNN).
Anglais
|
| PRIX |
• Abonné (hors accès direct) :
12.5 €
• Non abonné :
25.0 €
|
|
| |
--> Tous les articles sont dans un format PDF protégé  |
| |
|
|
ACCÉDER A L'ARTICLE COMPLET
(7,94 Mo)
--> NÉCESSITE ADOBE DIGITAL EDITIONS :
|
|
