Apprentissage discriminant sur des graphes pour la caractérisation des paysages propices à l'étalement urbain
Abstract
Un paysage peut-être décrit comme une organisation spatiale d'éléments paysagers. Pour caractériser des paysages propices à l'étalement urbain, des outils liés à leur représentation sous forme de structures apparentées à des graphes ou à un ensemble de relations doivent être considérés. Différentes approches ont été étudiées : pour les graphes, une caractérisation à partir de la fouille de motifs pour l'utilisation d'un classifieur classique, des SVM avec noyaux adaptés ou des arbres de décision particuliers, et la programmation logique inductive pour la représentation sous forme de relations. L'approche relationnelle a été retenue pour son expressivité et les outils puissants disponibles (Prolog). Une implémentation de Foil (First-Order Inductive Learner) avec quelques extensions est devenue l'objectif du stage.
Domains
Machine Learning [cs.LG]
Loading...