untitled
<OAI-PMH schemaLocation=http://www.openarchives.org/OAI/2.0/ http://www.openarchives.org/OAI/2.0/OAI-PMH.xsd>
<responseDate>2018-01-15T18:34:41Z</responseDate>
<request identifier=oai:HAL:hal-00840738v1 verb=GetRecord metadataPrefix=oai_dc>http://api.archives-ouvertes.fr/oai/hal/</request>
<GetRecord>
<record>
<header>
<identifier>oai:HAL:hal-00840738v1</identifier>
<datestamp>2018-01-11</datestamp>
<setSpec>type:ART</setSpec>
<setSpec>subject:info</setSpec>
<setSpec>collection:CNRS</setSpec>
<setSpec>collection:INSTITUT-TELECOM</setSpec>
<setSpec>collection:UNIV-BREST</setSpec>
<setSpec>collection:BNRMI</setSpec>
<setSpec>collection:UNIV-AG</setSpec>
<setSpec>collection:UNIV-UBS</setSpec>
<setSpec>collection:LAB-STICC</setSpec>
<setSpec>collection:LAB-STICC_TB</setSpec>
<setSpec>collection:ENIB</setSpec>
<setSpec>collection:LAB-STICC_ENIB</setSpec>
<setSpec>collection:IMTA_ET_ANTERIORITE_LUSSI</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-Émile</creator>
<contributor>IDC ; Laboratoire de Mathématiques Informatique et Applications (LAMIA) ; Université des Antilles et de la Guyane (UAG) - Université des Antilles et de la Guyane (UAG)</contributor>
<contributor>Département Logique des Usages, Sciences sociales et Sciences de l'Information (LUSSI) ; Institut Mines-Télécom [Paris] - Télécom Bretagne - Université européenne de Bretagne (UEB)</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>Groupe de Recherche en Informatique et Mathématiques Appliquées Antilles-Guyane (GRIMAAG) ; Université des Antilles et de la Guyane (UAG)</contributor>
<description>International 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-00840738</identifier>
<identifier>https://hal.archives-ouvertes.fr/hal-00840738</identifier>
<source>https://hal.archives-ouvertes.fr/hal-00840738</source>
<source>Revue des Sciences et Technologies de l'Information - Série ISI : Ingénierie des Systèmes d'Information, Lavoisier, 2011, 16 (3), pp.113-139. 〈10.3166/isi.16.3.113-139〉</source>
<identifier>DOI : 10.3166/isi.16.3.113-139</identifier>
<relation>info:eu-repo/semantics/altIdentifier/doi/10.3166/isi.16.3.113-139</relation>
<language>en</language>
<subject lang=en>data mining</subject>
<subject lang=en>genetic algorithms</subject>
<subject lang=en>feature selection</subject>
<subject lang=en>complex variables</subject>
<subject lang=en>flood prediction</subject>
<subject>[INFO.INFO-AI] Computer Science [cs]/Artificial Intelligence [cs.AI]</subject>
<type>info:eu-repo/semantics/article</type>
<type>Journal articles</type>
<description lang=en>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>2011-06-01</date>
</dc>
</metadata>
</record>
</GetRecord>
</OAI-PMH>
