untitled
<OAI-PMH schemaLocation=http://www.openarchives.org/OAI/2.0/ http://www.openarchives.org/OAI/2.0/OAI-PMH.xsd>
<responseDate>2018-01-15T18:28:25Z</responseDate>
<request identifier=oai:HAL:hal-01184510v1 verb=GetRecord metadataPrefix=oai_dc>http://api.archives-ouvertes.fr/oai/hal/</request>
<GetRecord>
<record>
<header>
<identifier>oai:HAL:hal-01184510v1</identifier>
<datestamp>2018-01-11</datestamp>
<setSpec>type:ART</setSpec>
<setSpec>subject:shs</setSpec>
<setSpec>collection:TELECOM-BRETAGNE</setSpec>
<setSpec>collection:INSTITUT-TELECOM</setSpec>
<setSpec>collection:CNRS</setSpec>
<setSpec>collection:UNIV-AG</setSpec>
<setSpec>collection:UNIV-BREST</setSpec>
<setSpec>collection:UNIV-UBS</setSpec>
<setSpec>collection:BNRMI</setSpec>
<setSpec>collection:ENIB</setSpec>
<setSpec>collection:LAB-STICC_ENIB</setSpec>
<setSpec>collection:LAB-STICC</setSpec>
<setSpec>collection:SHS</setSpec>
<setSpec>collection:SIC</setSpec>
<setSpec>collection:CEREGMIA</setSpec>
<setSpec>collection:LAB-STICC_TB</setSpec>
</header>
<metadata><dc>
<publisher>HAL CCSD</publisher>
<title lang=en>Variable optimization for flood prediction</title>
<creator>Segretier, Wilfried</creator>
<creator>Collard, Martine</creator>
<creator>BRISSON, Laurent</creator>
<creator>SYMPHOR, Jean-Emile</creator>
<contributor>Laboratoire de Mathématiques Informatique et Applications (LAMIA) ; Université des Antilles et de la Guyane (UAG)</contributor>
<contributor>Lab-STICC_TB_CID_DECIDE ; Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC) ; École Nationale d'Ingénieurs de Brest (ENIB) - Université de Bretagne Sud (UBS) - Université de Brest (UBO) - Télécom Bretagne - Institut Brestois du Numérique et des Mathématiques (IBNM) ; Université de Brest (UBO) - Université européenne de Bretagne (UEB) - ENSTA Bretagne - Institut Mines-Télécom [Paris] - Centre National de la Recherche Scientifique (CNRS) - École Nationale d'Ingénieurs de Brest (ENIB) - Université de Bretagne Sud (UBS) - Université de Brest (UBO) - Télécom Bretagne - Institut Brestois du Numérique et des Mathématiques (IBNM) ; Université de Brest (UBO) - Université européenne de Bretagne (UEB) - ENSTA Bretagne - Institut Mines-Télécom [Paris] - Centre National de la Recherche Scientifique (CNRS)</contributor>
<contributor>Centre de Recherche en Economie, Gestion, Modélisation et Informatique Appliquée (CEREGMIA) ; Université des Antilles et de la Guyane (UAG)</contributor>
<description>National audience</description>
<source>ISSN: 1633-1311</source>
<source>EISSN: 1633-1311</source>
<source>Revue des Sciences et Technologies de l'Information - Série ISI : Ingénierie des Systèmes d'Information</source>
<publisher>Lavoisier</publisher>
<identifier>hal-01184510</identifier>
<identifier>https://hal.archives-ouvertes.fr/hal-01184510</identifier>
<source>https://hal.archives-ouvertes.fr/hal-01184510</source>
<source>Revue des Sciences et Technologies de l'Information - Série ISI : Ingénierie des Systèmes d'Information, Lavoisier, 2011, 16 (3), pp.113 - 139</source>
<language>en</language>
<subject lang=en>Fouillle de données</subject>
<subject lang=en>Algorithmes génétiques</subject>
<subject lang=en>Sélection de caractéristiques</subject>
<subject lang=en>Variables complexes</subject>
<subject lang=en>Prédiction de crues</subject>
<subject lang=fr>Data mining</subject>
<subject lang=fr>Genetic algorithm</subject>
<subject lang=fr>Feature selection</subject>
<subject lang=fr>Complex variables</subject>
<subject lang=fr>Floods prediction</subject>
<subject>[SHS.INFO] Humanities and Social Sciences/Library and information sciences</subject>
<type>info:eu-repo/semantics/article</type>
<type>Journal articles</type>
<description lang=en>Dans cette étude, nous présentons, une méthode permettant de découvrir, par le biais de variables agrégées et dun algorithme génétique, des informations non connues a priori et utiles pour la prédiction de crues. Cette méthode se prête particulièrement bien aux données dans lesquelles des informations à propos dun même élément sont dispersées à travers plusieurs lignes du jeu de données initial.</description>
<description lang=fr>In this paper, we present an heuristic based approach for feature selection in the context of flood prediction. Features are complex variables that represent aggregate values. We apply a preprocessing method on data in order to elicit relevant information that could not be easily accessible initially because it is split through several lines of a dataset. A genetic algorithm is used in order to search for the features that may prove the best performances for flood prediction.</description>
<date>2011</date>
</dc>
</metadata>
</record>
</GetRecord>
</OAI-PMH>