Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

7 novembre 2017

Analyse de séries temporelles d’images symboliques


Catégorie : Post-doctorant


Objectif : fournir une description spatiotemporelle intelligible des évolutions d’objets et/ou de phénomènes observables dans une série de données symboliques extraite à partir d’une série d’images satellitaire.

Contexte : projet ANR PHOENIX (lien www http://am.atto.free.fr/index_phoenix.htm), laboratoire LISTIC Annecy.

Contacts :

Programme de travail

Bibliographie

  1. Nicolas Méger, Christophe Rigotti, Catherine Pothier, Swap Randomization of Bases of Sequences for Mining Satellite Image Time Series. European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD), Sep 2015, Porto, Portugal. pp.190-205, 2015, Lecture Notes in Computer Science volume 9285.
  2. A. M. Atto, E. Trouvé, J. M. Nicolas and T. T. Lê, "Wavelet Operators and Multiplicative Observation Modèles - Application to SAR Image Time-Series Analysis," in IEEE Transactions on Geoscience and Remote Sensing, vol. 54, no. 11, pp. 6606-6624, Nov. 2016.
  3. Unsupervised Spatiotemporal Mining of Satellite Image Time Series Using Grouped Frequent Sequential Patterns. Andreea Julea, Nicolas Méger, Philippe Bolon, Christophe Rigotti, Marie-Pierre Doin, Cécile Lasserre, Emmanuel Trouvé, Vasile N. Lazarescu. IEEE Transactions on Geoscience and Remote Sensing, Institute of Electrical and Electronics Engineers, 2011, 49 (4), pp.1417-1430.
  4. Venkatesh Rajagopalan and Asok Ray. 2006. Symbolic time series analysis via wavelet-based partitioning. Signal Process. 86, 11 (November 2006), 3309-3320. DOI=http://dx.doi.org/10.1016/j.sigpor.2006.01.014
  5. Jin Shieh and Eamonn Keogh. 2008. iSAX: indexing and mining terabyte sized time series. In Proceedings of the 14th ACM SIGKDD international conference on Knowledge discovery and data mining (KDD '08). ACM, New York, NY, USA, 623-631.

Durée : 12 mois.

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2018.