Divergence de Kullback-Leibler en grande dimension pour la classification des prairies à partir de séries temporelles d'images satellite à haute résolution - Archive ouverte HAL Access content directly
Conference Papers Year : 2016

Divergence de Kullback-Leibler en grande dimension pour la classification des prairies à partir de séries temporelles d'images satellite à haute résolution

Abstract

Les nouvelles missions satellite offrent des séries temporelles d'images à haute résolution spatiale. Des outils statistiques appropriés sont requis afin de gérer la grande dimension des données face au faible nombre d'échantillons de référence. L'objectif de cette étude est de construire un modèle permettant la classification d'objets non-homogènes du paysage, les prairies, à partir d'une série temporelle d'un indice de végétation spectral. La méthode proposée utilise la divergence de Kullback-Leibler adaptée à la grande dimension pour calculer la distance entre chaque paire de prairies. Elle permettra la classification à l'échelle de l'objet avec un échantillon de petite taille et un nombre de variables elevé.
Fichier principal
Vignette du fichier
abstract_jds_Mailys_2016.pdf (205.64 Ko) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

hal-02801404 , version 2 (06-06-2016)
hal-02801404 , version 1 (05-06-2020)

Identifiers

  • HAL Id : hal-02801404 , version 2

Cite

Maïlys Lopes, Stéphane Girard, Mathieu Fauvel. Divergence de Kullback-Leibler en grande dimension pour la classification des prairies à partir de séries temporelles d'images satellite à haute résolution. 48èmes Journées de Statistique organisées par la Société Française de Statistique, May 2016, Montpellier, France. ⟨hal-02801404v2⟩
589 View
788 Download

Share

Gmail Facebook X LinkedIn More