About: DECOUVERTE DE CONCEPTS STRUCTURES DANS LES BASES DE DONNEES   Goto Sponge  NotDistinct  Permalink

An Entity of Type : rdac:C10001, within Data Space : data.idref.fr associated with source document(s)

AttributesValues
type
Author
dc:subject
  • Thèses et écrits académiques
  • SCIENCES APPLIQUEES : INFORMATIQUE, AUTOMATIQUE THEORIQUE, SYSTEMES
  • DATABASE/ARTIFICIAL INTELLIGENCE/LEARNING/KNOWLEDGE REPRESENTATION/IMAGE ANALYSIS/REMOTE SENSING/STRUCTURAL DATABASE/CD
  • BASE DONNEE/INTELLIGENCE ARTIFICIELLE/APPRENTISSAGE/REPRESENTATION CONNAISSANCES/ANALYSE IMAGE/TELEDETECTION/BASE DONNEE STRUCTURELLE/CD
preferred label
  • DECOUVERTE DE CONCEPTS STRUCTURES DANS LES BASES DE DONNEES
Language
Subject
dc:title
  • DECOUVERTE DE CONCEPTS STRUCTURES DANS LES BASES DE DONNEES
Degree granting institution
note
  • L'APPRENTISSAGE EST UNE CAPACITE FONDAMENTALE, QUI PERMET A UN SYSTEME ARTIFICIEL D'AMELIORER SON COMPORTEMENT AU FIL DE SON EXPERIENCE. EN PARTICULIER, LA FORMATION DE CONCEPTS (C'EST-A-DIRE L'APPRENTISSAGE INCREMENTAL NON-SUPERVISE, DONT LE RESULTAT EST UNE HIERARCHIE DE CONCEPTS) PERMET LA CREATION, DE FACON AUTONOME, D'UNE REPRESENTATION DU MONDE OBSERVE. CETTE THESE EST MAJORITAIREMENT CONSACREE A CE TYPE DE PROCESSUS. UN CHAPITRE DECRIT L'UTILISATION DE LA FORMATION DE CONCEPTS POUR L'ANALYSE D'IMAGES DE TELEDETECTION, DOMAINE DONT UNE DES PARTICULARITES EST LE VOLUME IMPORTANT DES DONNEES A MANIPULER. CEPENDANT, DE NOMBREUX DOMAINES D'APPLICATION POSSEDENT UNE COMPLEXITE STRUCTURELLE INTRINSEQUE, QUI DOIT ETRE EXPLICITEMENT PRISE EN COMPTE AFIN D'EVITER UN NOMBRE EXCESSIF DE PRE-TRAITEMENTS. SELON NOTRE APPROCHE, LA STRUCTURE D'UN DOMAINE PEUT SE REPRESENTER PAR UN GRAPHE, DONT LES SOMMETS REPRESENTENT LES DIFFERENTS NIVEAUX DE DETAIL AUXQUELS L'INFORMATION EST OBSERVEE, ET DONT LES ARCS REPRESENTENT LES ATTRIBUTS UTILISES. LA PARTIE CENTRALE DE CETTE THESE DEFINIT TROIS NOUVEAUX TYPES D'ATTRIBUTS, CORRESPONDANT A TROIS MODALITES D'ASSOCIATIONS DES OBSERVATIONS ENTRE DIFFERENTS NIVEAUX D'ABSTRACTION. LES DEUX PREMIERS TYPES, LES ATTRIBUTS STRUCTURES ET MULTI-VALUES, CORRESPONDENT A DES NOTIONS UTILISEES EN MODELISATION DES DONNEES (LES ASSOCIATIONS UNIVOQUES ET MULTIPLES). LE TROISIEME TYPE, LES ATTRIBUTS SEQUENTIELS, INTRODUIT LA NOTION DE SEQUENTIALITE, POUR DECRIRE L'EVOLUTION (TEMPORELLE, SPATIALE, OU AUTRE) D'UN OBJET, AUSSI COMPLEXE SOIT-IL. DANS LES TROIS CAS, LES MECANISMES NECESSAIRES A L'APPRENTISSAGE SONT DEFINIS ET ANALYSES. LE DERNIER CHAPITRE TRAITE DU PROBLEME DE LA DECOUVERTE DE CONNAISSANCES DANS LES BASES DE DONNEES, ET S'ATTACHE A DECRIRE DE QUELLE FACON UN SCHEMA DE BASE DE DONNEES PEUT SE TRADUIRE EN UN ESPACE D'ABSTRACTION, DE FACON A POUVOIR APPLIQUER LES MECANISMES DE FORMATION DE CONCEPTS PRECEDEMMENT DECRITS
dc:type
  • Text
http://iflastandar...bd/elements/P1001
rdaw:P10219
  • 1995
has content type
is primary topic of
is rdam:P30135 of
Faceted Search & Find service v1.13.91 as of Aug 16 2018


Alternative Linked Data Documents: ODE     Content Formats:       RDF       ODATA       Microdata      About   
This material is Open Knowledge   W3C Semantic Web Technology [RDF Data]
OpenLink Virtuoso version 07.20.3229 as of May 14 2019, on Linux (x86_64-pc-linux-gnu), Single-Server Edition (70 GB total memory)
Data on this page belongs to its respective rights holders.
Virtuoso Faceted Browser Copyright © 2009-2024 OpenLink Software