Fouille de données agricoles par modèles de Markov cachés
Identifieur interne : 000A06 ( PascalFrancis/Corpus ); précédent : 000A05; suivant : 000A07Fouille de données agricoles par modèles de Markov cachés
Auteurs : Jean-Francois Mari ; Florence Le Ber ; Marc BenoitSource :
Descripteurs français
- Pascal (Inist)
English descriptors
- KwdEn :
Abstract
Nous développons des outils de fouille de données spatio-temporelles à partir de modèles de Markov d'ordre supérieur. Ces modèles permettent de représenter des observations temporelles et spatiales comme des successions d'états où les transitions entre états dépendent, suivant l'ordre du modèle, de l'état courant et des n états précédents. Ils ont été utilisés sur des données Ter Uti, qui sont des données spatio-temporelles d'utilisation du territoire, afin d'extraire les régularités d'utilisation des terres agricoles. Ce travail a été effectué en lien avec des experts agronomes. Dans cet article, nous détaillons les modèles utilisés et la démarche mise en ouvre avec les agronomes. Nous présentons aussi des outils de visualisation que nous avons développés pour faciliter l'appropriation par les experts des résultats de la fouille. Finalement nous montrons l'intérêt de notre approche pour la fouille de données spatio-temporelles.
Notice en format standard (ISO 2709)
Pour connaître la documentation sur le format Inist Standard.
pA |
|
---|
Format Inist (serveur)
NO : | PASCAL 01-0014582 INIST |
---|---|
FT : | Fouille de données agricoles par modèles de Markov cachés |
ET : | (Agricultural data mining by hidden Markov models) |
AU : | MARI (Jean-Francois); LE BER (Florence); BENOIT (Marc) |
AF : | UMR 7503 LORIA, B.P. 239/54506 Vandoeuvre-lès-Nancy/France (1 aut., 2 aut.); INRA LIAB/54280 Champenoux/France (2 aut.); INRA SAD, Domaine du Joly/88400 Mirecourt/France (3 aut.) |
DT : | Congrès; Niveau analytique |
SO : | Journées francophones d'ingénierie des connaissances/2000-05-10/Toulouse FRA; France; Da. 2000; Pp. 197-205 |
LA : | Français |
FA : | Nous développons des outils de fouille de données spatio-temporelles à partir de modèles de Markov d'ordre supérieur. Ces modèles permettent de représenter des observations temporelles et spatiales comme des successions d'états où les transitions entre états dépendent, suivant l'ordre du modèle, de l'état courant et des n états précédents. Ils ont été utilisés sur des données Ter Uti, qui sont des données spatio-temporelles d'utilisation du territoire, afin d'extraire les régularités d'utilisation des terres agricoles. Ce travail a été effectué en lien avec des experts agronomes. Dans cet article, nous détaillons les modèles utilisés et la démarche mise en ouvre avec les agronomes. Nous présentons aussi des outils de visualisation que nous avons développés pour faciliter l'appropriation par les experts des résultats de la fouille. Finalement nous montrons l'intérêt de notre approche pour la fouille de données spatio-temporelles. |
CC : | 001D02C03 |
FD : | Ingénierie connaissances; Extraction information; Espace temps; Modèle stochastique; Modèle Markov; Chaîne Markov; Analyse image; Télédétection spatiale; Agronomie; Culture; Fouille donnée |
ED : | Knowledge engineering; Information extraction; Space time; Stochastic model; Markov model; Markov chain; Image analysis; Space remote sensing; Agronomy; Culture; Data mining |
SD : | Extractión información; Espacio tiempo; Modelo estocástico; Modelo Markov; Cadena Markov; Análisis imagen; Teledetección espacial; Agronomía; Cultivo |
LO : | INIST-Y 32895.354000092013450180 |
ID : | 01-0014582 |
Links to Exploration step
Pascal:01-0014582Le document en format XML
<record><TEI><teiHeader><fileDesc><titleStmt><title xml:lang="fr" level="a">Fouille de données agricoles par modèles de Markov cachés</title>
<author><name sortKey="Mari, Jean Francois" sort="Mari, Jean Francois" uniqKey="Mari J" first="Jean-Francois" last="Mari">Jean-Francois Mari</name>
<affiliation><inist:fA14 i1="01"><s1>UMR 7503 LORIA, B.P. 239</s1>
<s2>54506 Vandoeuvre-lès-Nancy</s2>
<s3>FRA</s3>
<sZ>1 aut.</sZ>
<sZ>2 aut.</sZ>
</inist:fA14>
</affiliation>
</author>
<author><name sortKey="Le Ber, Florence" sort="Le Ber, Florence" uniqKey="Le Ber F" first="Florence" last="Le Ber">Florence Le Ber</name>
<affiliation><inist:fA14 i1="01"><s1>UMR 7503 LORIA, B.P. 239</s1>
<s2>54506 Vandoeuvre-lès-Nancy</s2>
<s3>FRA</s3>
<sZ>1 aut.</sZ>
<sZ>2 aut.</sZ>
</inist:fA14>
</affiliation>
<affiliation><inist:fA14 i1="02"><s1>INRA LIAB</s1>
<s2>54280 Champenoux</s2>
<s3>FRA</s3>
<sZ>2 aut.</sZ>
</inist:fA14>
</affiliation>
</author>
<author><name sortKey="Benoit, Marc" sort="Benoit, Marc" uniqKey="Benoit M" first="Marc" last="Benoit">Marc Benoit</name>
<affiliation><inist:fA14 i1="03"><s1>INRA SAD, Domaine du Joly</s1>
<s2>88400 Mirecourt</s2>
<s3>FRA</s3>
<sZ>3 aut.</sZ>
</inist:fA14>
</affiliation>
</author>
</titleStmt>
<publicationStmt><idno type="wicri:source">INIST</idno>
<idno type="inist">01-0014582</idno>
<date when="2000">2000</date>
<idno type="stanalyst">PASCAL 01-0014582 INIST</idno>
<idno type="RBID">Pascal:01-0014582</idno>
<idno type="wicri:Area/PascalFrancis/Corpus">000A06</idno>
</publicationStmt>
<sourceDesc><biblStruct><analytic><title xml:lang="fr" level="a">Fouille de données agricoles par modèles de Markov cachés</title>
<author><name sortKey="Mari, Jean Francois" sort="Mari, Jean Francois" uniqKey="Mari J" first="Jean-Francois" last="Mari">Jean-Francois Mari</name>
<affiliation><inist:fA14 i1="01"><s1>UMR 7503 LORIA, B.P. 239</s1>
<s2>54506 Vandoeuvre-lès-Nancy</s2>
<s3>FRA</s3>
<sZ>1 aut.</sZ>
<sZ>2 aut.</sZ>
</inist:fA14>
</affiliation>
</author>
<author><name sortKey="Le Ber, Florence" sort="Le Ber, Florence" uniqKey="Le Ber F" first="Florence" last="Le Ber">Florence Le Ber</name>
<affiliation><inist:fA14 i1="01"><s1>UMR 7503 LORIA, B.P. 239</s1>
<s2>54506 Vandoeuvre-lès-Nancy</s2>
<s3>FRA</s3>
<sZ>1 aut.</sZ>
<sZ>2 aut.</sZ>
</inist:fA14>
</affiliation>
<affiliation><inist:fA14 i1="02"><s1>INRA LIAB</s1>
<s2>54280 Champenoux</s2>
<s3>FRA</s3>
<sZ>2 aut.</sZ>
</inist:fA14>
</affiliation>
</author>
<author><name sortKey="Benoit, Marc" sort="Benoit, Marc" uniqKey="Benoit M" first="Marc" last="Benoit">Marc Benoit</name>
<affiliation><inist:fA14 i1="03"><s1>INRA SAD, Domaine du Joly</s1>
<s2>88400 Mirecourt</s2>
<s3>FRA</s3>
<sZ>3 aut.</sZ>
</inist:fA14>
</affiliation>
</author>
</analytic>
</biblStruct>
</sourceDesc>
</fileDesc>
<profileDesc><textClass><keywords scheme="KwdEn" xml:lang="en"><term>Agronomy</term>
<term>Culture</term>
<term>Data mining</term>
<term>Image analysis</term>
<term>Information extraction</term>
<term>Knowledge engineering</term>
<term>Markov chain</term>
<term>Markov model</term>
<term>Space remote sensing</term>
<term>Space time</term>
<term>Stochastic model</term>
</keywords>
<keywords scheme="Pascal" xml:lang="fr"><term>Ingénierie connaissances</term>
<term>Extraction information</term>
<term>Espace temps</term>
<term>Modèle stochastique</term>
<term>Modèle Markov</term>
<term>Chaîne Markov</term>
<term>Analyse image</term>
<term>Télédétection spatiale</term>
<term>Agronomie</term>
<term>Culture</term>
<term>Fouille donnée</term>
</keywords>
</textClass>
</profileDesc>
</teiHeader>
<front><div type="abstract" xml:lang="fr">Nous développons des outils de fouille de données spatio-temporelles à partir de modèles de Markov d'ordre supérieur. Ces modèles permettent de représenter des observations temporelles et spatiales comme des successions d'états où les transitions entre états dépendent, suivant l'ordre du modèle, de l'état courant et des n états précédents. Ils ont été utilisés sur des données Ter Uti, qui sont des données spatio-temporelles d'utilisation du territoire, afin d'extraire les régularités d'utilisation des terres agricoles. Ce travail a été effectué en lien avec des experts agronomes. Dans cet article, nous détaillons les modèles utilisés et la démarche mise en ouvre avec les agronomes. Nous présentons aussi des outils de visualisation que nous avons développés pour faciliter l'appropriation par les experts des résultats de la fouille. Finalement nous montrons l'intérêt de notre approche pour la fouille de données spatio-temporelles.</div>
</front>
</TEI>
<inist><standard h6="B"><pA><fA08 i1="01" i2="1" l="FRE"><s1>Fouille de données agricoles par modèles de Markov cachés</s1>
</fA08>
<fA09 i1="01" i2="1" l="FRE"><s1>IC'2000 : ingénierie des connaissances : Toulouse, 10-12 mai 2000</s1>
</fA09>
<fA11 i1="01" i2="1"><s1>MARI (Jean-Francois)</s1>
</fA11>
<fA11 i1="02" i2="1"><s1>LE BER (Florence)</s1>
</fA11>
<fA11 i1="03" i2="1"><s1>BENOIT (Marc)</s1>
</fA11>
<fA14 i1="01"><s1>UMR 7503 LORIA, B.P. 239</s1>
<s2>54506 Vandoeuvre-lès-Nancy</s2>
<s3>FRA</s3>
<sZ>1 aut.</sZ>
<sZ>2 aut.</sZ>
</fA14>
<fA14 i1="02"><s1>INRA LIAB</s1>
<s2>54280 Champenoux</s2>
<s3>FRA</s3>
<sZ>2 aut.</sZ>
</fA14>
<fA14 i1="03"><s1>INRA SAD, Domaine du Joly</s1>
<s2>88400 Mirecourt</s2>
<s3>FRA</s3>
<sZ>3 aut.</sZ>
</fA14>
<fA18 i1="01" i2="1"><s1>Association française pour l'intelligence artificielle</s1>
<s2>Chambery</s2>
<s3>FRA</s3>
<s9>patr.</s9>
</fA18>
<fA18 i1="02" i2="1"><s1>CNRS. Recherches en syntaxe et en sémantique</s1>
<s2>Toulouse</s2>
<s3>FRA</s3>
<s9>patr.</s9>
</fA18>
<fA18 i1="03" i2="1"><s1>CNRS. Institut de recherche en informatique de Toulouse</s1>
<s2>Toulouse</s2>
<s3>FRA</s3>
<s9>patr.</s9>
</fA18>
<fA20><s1>197-205</s1>
</fA20>
<fA21><s1>2000</s1>
</fA21>
<fA23 i1="01"><s0>FRE</s0>
</fA23>
<fA30 i1="01" i2="1" l="FRE"><s1>Journées francophones d'ingénierie des connaissances</s1>
<s3>Toulouse FRA</s3>
<s4>2000-05-10</s4>
</fA30>
<fA43 i1="01"><s1>INIST</s1>
<s2>Y 32895</s2>
<s5>354000092013450180</s5>
</fA43>
<fA44><s0>0000</s0>
<s1>© 2001 INIST-CNRS. All rights reserved.</s1>
</fA44>
<fA45><s0>28 ref.</s0>
</fA45>
<fA47 i1="01" i2="1"><s0>01-0014582</s0>
</fA47>
<fA60><s1>C</s1>
</fA60>
<fA61><s0>A</s0>
</fA61>
<fA66 i1="01"><s0>FRA</s0>
</fA66>
<fA68 i1="01" i2="1" l="ENG"><s1>Agricultural data mining by hidden Markov models</s1>
</fA68>
<fC01 i1="01" l="FRE"><s0>Nous développons des outils de fouille de données spatio-temporelles à partir de modèles de Markov d'ordre supérieur. Ces modèles permettent de représenter des observations temporelles et spatiales comme des successions d'états où les transitions entre états dépendent, suivant l'ordre du modèle, de l'état courant et des n états précédents. Ils ont été utilisés sur des données Ter Uti, qui sont des données spatio-temporelles d'utilisation du territoire, afin d'extraire les régularités d'utilisation des terres agricoles. Ce travail a été effectué en lien avec des experts agronomes. Dans cet article, nous détaillons les modèles utilisés et la démarche mise en ouvre avec les agronomes. Nous présentons aussi des outils de visualisation que nous avons développés pour faciliter l'appropriation par les experts des résultats de la fouille. Finalement nous montrons l'intérêt de notre approche pour la fouille de données spatio-temporelles.</s0>
</fC01>
<fC02 i1="01" i2="X"><s0>001D02C03</s0>
</fC02>
<fC03 i1="01" i2="1" l="FRE"><s0>Ingénierie connaissances</s0>
<s5>02</s5>
</fC03>
<fC03 i1="01" i2="1" l="ENG"><s0>Knowledge engineering</s0>
<s5>02</s5>
</fC03>
<fC03 i1="02" i2="X" l="FRE"><s0>Extraction information</s0>
<s5>03</s5>
</fC03>
<fC03 i1="02" i2="X" l="ENG"><s0>Information extraction</s0>
<s5>03</s5>
</fC03>
<fC03 i1="02" i2="X" l="SPA"><s0>Extractión información</s0>
<s5>03</s5>
</fC03>
<fC03 i1="03" i2="X" l="FRE"><s0>Espace temps</s0>
<s5>04</s5>
</fC03>
<fC03 i1="03" i2="X" l="ENG"><s0>Space time</s0>
<s5>04</s5>
</fC03>
<fC03 i1="03" i2="X" l="SPA"><s0>Espacio tiempo</s0>
<s5>04</s5>
</fC03>
<fC03 i1="04" i2="X" l="FRE"><s0>Modèle stochastique</s0>
<s5>10</s5>
</fC03>
<fC03 i1="04" i2="X" l="ENG"><s0>Stochastic model</s0>
<s5>10</s5>
</fC03>
<fC03 i1="04" i2="X" l="SPA"><s0>Modelo estocástico</s0>
<s5>10</s5>
</fC03>
<fC03 i1="05" i2="X" l="FRE"><s0>Modèle Markov</s0>
<s5>11</s5>
</fC03>
<fC03 i1="05" i2="X" l="ENG"><s0>Markov model</s0>
<s5>11</s5>
</fC03>
<fC03 i1="05" i2="X" l="SPA"><s0>Modelo Markov</s0>
<s5>11</s5>
</fC03>
<fC03 i1="06" i2="X" l="FRE"><s0>Chaîne Markov</s0>
<s5>12</s5>
</fC03>
<fC03 i1="06" i2="X" l="ENG"><s0>Markov chain</s0>
<s5>12</s5>
</fC03>
<fC03 i1="06" i2="X" l="SPA"><s0>Cadena Markov</s0>
<s5>12</s5>
</fC03>
<fC03 i1="07" i2="X" l="FRE"><s0>Analyse image</s0>
<s5>16</s5>
</fC03>
<fC03 i1="07" i2="X" l="ENG"><s0>Image analysis</s0>
<s5>16</s5>
</fC03>
<fC03 i1="07" i2="X" l="SPA"><s0>Análisis imagen</s0>
<s5>16</s5>
</fC03>
<fC03 i1="08" i2="X" l="FRE"><s0>Télédétection spatiale</s0>
<s5>17</s5>
</fC03>
<fC03 i1="08" i2="X" l="ENG"><s0>Space remote sensing</s0>
<s5>17</s5>
</fC03>
<fC03 i1="08" i2="X" l="SPA"><s0>Teledetección espacial</s0>
<s5>17</s5>
</fC03>
<fC03 i1="09" i2="X" l="FRE"><s0>Agronomie</s0>
<s5>18</s5>
</fC03>
<fC03 i1="09" i2="X" l="ENG"><s0>Agronomy</s0>
<s5>18</s5>
</fC03>
<fC03 i1="09" i2="X" l="SPA"><s0>Agronomía</s0>
<s5>18</s5>
</fC03>
<fC03 i1="10" i2="X" l="FRE"><s0>Culture</s0>
<s5>19</s5>
</fC03>
<fC03 i1="10" i2="X" l="ENG"><s0>Culture</s0>
<s5>19</s5>
</fC03>
<fC03 i1="10" i2="X" l="SPA"><s0>Cultivo</s0>
<s5>19</s5>
</fC03>
<fC03 i1="11" i2="X" l="FRE"><s0>Fouille donnée</s0>
<s4>CD</s4>
<s5>96</s5>
</fC03>
<fC03 i1="11" i2="X" l="ENG"><s0>Data mining</s0>
<s4>CD</s4>
<s5>96</s5>
</fC03>
<fN21><s1>008</s1>
</fN21>
</pA>
</standard>
<server><NO>PASCAL 01-0014582 INIST</NO>
<FT>Fouille de données agricoles par modèles de Markov cachés</FT>
<ET>(Agricultural data mining by hidden Markov models)</ET>
<AU>MARI (Jean-Francois); LE BER (Florence); BENOIT (Marc)</AU>
<AF>UMR 7503 LORIA, B.P. 239/54506 Vandoeuvre-lès-Nancy/France (1 aut., 2 aut.); INRA LIAB/54280 Champenoux/France (2 aut.); INRA SAD, Domaine du Joly/88400 Mirecourt/France (3 aut.)</AF>
<DT>Congrès; Niveau analytique</DT>
<SO>Journées francophones d'ingénierie des connaissances/2000-05-10/Toulouse FRA; France; Da. 2000; Pp. 197-205</SO>
<LA>Français</LA>
<FA>Nous développons des outils de fouille de données spatio-temporelles à partir de modèles de Markov d'ordre supérieur. Ces modèles permettent de représenter des observations temporelles et spatiales comme des successions d'états où les transitions entre états dépendent, suivant l'ordre du modèle, de l'état courant et des n états précédents. Ils ont été utilisés sur des données Ter Uti, qui sont des données spatio-temporelles d'utilisation du territoire, afin d'extraire les régularités d'utilisation des terres agricoles. Ce travail a été effectué en lien avec des experts agronomes. Dans cet article, nous détaillons les modèles utilisés et la démarche mise en ouvre avec les agronomes. Nous présentons aussi des outils de visualisation que nous avons développés pour faciliter l'appropriation par les experts des résultats de la fouille. Finalement nous montrons l'intérêt de notre approche pour la fouille de données spatio-temporelles.</FA>
<CC>001D02C03</CC>
<FD>Ingénierie connaissances; Extraction information; Espace temps; Modèle stochastique; Modèle Markov; Chaîne Markov; Analyse image; Télédétection spatiale; Agronomie; Culture; Fouille donnée</FD>
<ED>Knowledge engineering; Information extraction; Space time; Stochastic model; Markov model; Markov chain; Image analysis; Space remote sensing; Agronomy; Culture; Data mining</ED>
<SD>Extractión información; Espacio tiempo; Modelo estocástico; Modelo Markov; Cadena Markov; Análisis imagen; Teledetección espacial; Agronomía; Cultivo</SD>
<LO>INIST-Y 32895.354000092013450180</LO>
<ID>01-0014582</ID>
</server>
</inist>
</record>
Pour manipuler ce document sous Unix (Dilib)
EXPLOR_STEP=$WICRI_ROOT/Wicri/Lorraine/explor/InforLorV4/Data/PascalFrancis/Corpus
HfdSelect -h $EXPLOR_STEP/biblio.hfd -nk 000A06 | SxmlIndent | more
Ou
HfdSelect -h $EXPLOR_AREA/Data/PascalFrancis/Corpus/biblio.hfd -nk 000A06 | SxmlIndent | more
Pour mettre un lien sur cette page dans le réseau Wicri
{{Explor lien |wiki= Wicri/Lorraine |area= InforLorV4 |flux= PascalFrancis |étape= Corpus |type= RBID |clé= Pascal:01-0014582 |texte= Fouille de données agricoles par modèles de Markov cachés }}
This area was generated with Dilib version V0.6.33. |