{"id":7075,"date":"2021-10-05T10:10:33","date_gmt":"2021-10-05T08:10:33","guid":{"rendered":"https:\/\/wp.unil.ch\/geoblog\/?p=7075"},"modified":"2021-10-05T17:32:36","modified_gmt":"2021-10-05T15:32:36","slug":"detection-de-formes-pour-les-donnees-spatiales","status":"publish","type":"post","link":"https:\/\/wp.unil.ch\/geoblog\/2021\/10\/detection-de-formes-pour-les-donnees-spatiales\/","title":{"rendered":"D\u00e9tection de formes pour les donn\u00e9es spatiales"},"content":{"rendered":"\n<p><em>Th\u00e8se soutenue par Rapha\u00ebl Cer\u00e9, le 15 octobre 2021, Institut de g\u00e9ographie et durabilit\u00e9 (IGD)<\/em><\/p>\n\n\n\n<p>De nombreuses strat\u00e9gies permettent de simplifier l\u2019information num\u00e9rique dont le volume ne cesse de croitre. En analyse de donn\u00e9es, de nombreuses strat\u00e9gies de simplification par l\u2019ex\u00e9cution totale ou partielle d\u2019op\u00e9rations par des machines, dites automatiques, sont utilis\u00e9es. Dans ce domaine, la vision par ordinateur aborde ce probl\u00e8me par la segmentation d\u2019image par exemple. Plus pr\u00e9cis\u00e9ment, il s\u2019agit de m\u00e9thodes qui visent \u00e0 regrouper automatiquement les plus petites unit\u00e9s (pixels) d\u2019une image en de plus grands ensembles. Ici, en analyse spatiale, il s\u2019agit de regrouper automatiquement des petits \u00e9l\u00e9ments g\u00e9ographiques en de plus grands ensembles. En fait, l\u2019automatisation de ce processus \u00e0 travers les math\u00e9matiques, les statistiques et l\u2019informatique s\u2019inspire \u00e0 bien des \u00e9gards du processus de regroupement automatique humain : la capacit\u00e9 cognitive \u00e0 percevoir les formes. Cet entrelacement humain-machine nous permet actuellement d\u2019aller au-del\u00e0 de nos capacit\u00e9s humaines, celles du g\u00e9ographe par la m\u00eame occasion, dans la d\u00e9tection de r\u00e9gularit\u00e9s ; un enjeu majeur pour une soci\u00e9t\u00e9 de l\u2019information.<\/p>\n\n\n\n<p>L\u2019approche du probl\u00e8me de la segmentation qui est propos\u00e9e dans cette recherche se base principalement sur des r\u00e9seaux irr\u00e9guliers et pond\u00e9r\u00e9s en lien avec l\u2019autocorr\u00e9lation spatiale. Dans sa forme g\u00e9n\u00e9ralis\u00e9e, l\u2019autocorr\u00e9lation spatiale se r\u00e9v\u00e8le \u00eatre un indicateur particuli\u00e8rement robuste de r\u00e9gularit\u00e9s dans les donn\u00e9es spatiales. De plus, gr\u00e2ce \u00e0 la combinaison \u00e9l\u00e9mentaire formul\u00e9e de la distance spatiale et de la dissimilarit\u00e9 entre toutes les paires d\u2019\u00e9l\u00e9ments, le probl\u00e8me de la segmentation peut \u00eatre approch\u00e9 par de l\u2019optimisation d\u2019\u00e9nergie libre pour regrouper ces \u00e9l\u00e9ments. Sur des principes de thermodynamique et de m\u00e9canique statistique, il s\u2019agit de mettre en comp\u00e9tition la distance spatiale sous la forme d\u2019une matrice d\u2019\u00e9change et la diff\u00e9rence sous la forme d\u2019une matrice de distance ultram\u00e9trique par un processus it\u00e9ratif de minimisation dans un syst\u00e8me contr\u00f4l\u00e9 par une temp\u00e9rature. Ce syst\u00e8me prend ici la forme d\u2019une fonctionnelle d\u2019\u00e9nergie libre pour d\u00e9terminer l\u2019appartenance d\u2019\u00e9l\u00e9ments \u00e0 un certain nombre de groupes pour un certain minimum trouv\u00e9. Plus nombreux que les groupes, les \u00e9l\u00e9ments peuvent \u00eatre des unit\u00e9s g\u00e9ographiques de diff\u00e9rentes tailles, c.-\u00e0-d. de pond\u00e9ration variable, ou de pond\u00e9ration uniforme dans les cas d\u2019un recensement hectom\u00e9trique et de pixels dans une image ; pour citer des exemples illustr\u00e9s dans cette recherche. Depuis une partition d\u2019appartenance \u00e9l\u00e9ments-groupes initiale, la d\u00e9clinaison d\u2019algorithmes a pour but de maximiser la proximit\u00e9 et la similarit\u00e9 des \u00e9l\u00e9ments au sein de chaque groupe, maximiser une certaine homog\u00e9n\u00e9it\u00e9 intra-groupe, de mani\u00e8re supervis\u00e9e ou non et de mani\u00e8re floue, c.-\u00e0-d. probabiliste, par l\u2019ajout d\u2019un terme entropique. De nature flexibles, les fonctionnelles sont librement param\u00e9trables quant au mode de l\u2019appartenance, le Ncut g\u00e9n\u00e9ralis\u00e9 ou la Modularit\u00e9, combin\u00e9e \u00e0 une temp\u00e9rature qui intervient comme r\u00e9gulateur entre la proximit\u00e9 spatiale et\/ou la similarit\u00e9 des \u00e9l\u00e9ments \u00e9tudi\u00e9s. Enfin, sous diverses perspectives, elles permettent de r\u00e9v\u00e9ler de mani\u00e8re it\u00e9rative la pr\u00e9sence de formes par la recherche d\u2019un minimum local qui d\u00e9finit une simplification possible d\u2019un grand nombre d\u2019\u00e9l\u00e9ments en un petit nombre de groupes ou en d\u2019autres termes : une partition. Cette strat\u00e9gie de simplification machine a l\u2019avantage de tenir compte des capacit\u00e9s intuitives d\u2019un op\u00e9rateur humain, une supervision d\u2019un g\u00e9ographe par exemple, tout en tenant compte d\u2019une strat\u00e9gie automatique, non-supervis\u00e9e.<\/p>\n\n\n\n<p>En plus de proposer des approches originales, les diff\u00e9rentes publications qui composent cette recherche illustrent des applications concr\u00e8tes sur des images, des donn\u00e9es spatiales socio-\u00e9conomiques suisses ainsi que sur de l\u2019information descriptive textuelle.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Th\u00e8se soutenue par Rapha\u00ebl Cer\u00e9, le 15 octobre 2021, Institut de g\u00e9ographie et durabilit\u00e9 (IGD) De nombreuses strat\u00e9gies permettent de simplifier l\u2019information num\u00e9rique dont le volume ne cesse de croitre. En analyse de donn\u00e9es, de nombreuses strat\u00e9gies de simplification par l\u2019ex\u00e9cution totale ou partielle d\u2019op\u00e9rations par des machines, dites automatiques, sont utilis\u00e9es. Dans ce domaine, [&hellip;]<\/p>\n","protected":false},"author":47,"featured_media":3358,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_seopress_robots_primary_cat":"","_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","footnotes":"","_links_to":"","_links_to_target":""},"categories":[49465],"tags":[],"class_list":{"0":"post-7075","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-theses-soutenues"},"_links":{"self":[{"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/posts\/7075","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/users\/47"}],"replies":[{"embeddable":true,"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/comments?post=7075"}],"version-history":[{"count":0,"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/posts\/7075\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/media\/3358"}],"wp:attachment":[{"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/media?parent=7075"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/categories?post=7075"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wp.unil.ch\/geoblog\/wp-json\/wp\/v2\/tags?post=7075"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}