Éditeur(s) : IRD : Institut de Recherche pour le Développement Université des Antilles et de la Guyane IRD : Institut de Recherche pour le Développement Université des Antilles et de la Guyane
Extrait de : "Projet CARIBSAT, système caribéen d'information environnementale" : conférence, le 21 mars 2013. Université des Antilles et de la Guyane
Résumé : L'intervention traite de l'usage d'images satellites à l'étude des milieux marins. La cartographie des fonds marins renseigne sur la répartition des habitats et des biocénoses marines, permet un suivi temporel d'évolution et fournit des outils pour la gestion de l'environnement. Les méthodes employées sont la plongée sous-marine, la cartographie acoustique, la photographie aérienne et l'imagerie satellite. Cette dernière est utile à plusieurs titres : fréquence quotidienne des données, meilleure résolution d'images, analyse de séries temporelles, automatisation des méthodes de classification, gain de temps et de réduction de coûts. Des applications techniques concrètes complètent la présentation.
L'intervention traite de l'usage d'images satellites à l'étude des milieux marins. La cartographie des fonds marins renseigne sur la répartition des habitats et des biocénoses marines, permet un suivi temporel d'évolution et fournit des outils pour la gestion de l'environnement. Les méthodes employées sont la plongée sous-marine, la cartographie acoustique, la photographie aérienne et l'imagerie satellite. Cette dernière est utile à plusieurs titres : fréquence quotidienne des données, meilleure résolution d'images, analyse de séries temporelles, automatisation des méthodes de classification, gain de temps et de réduction de coûts. Des applications techniques concrètes complètent la présentation.
Siècle(s) traité(s) : 21
Droits : CC-BY-NC-ND - Attribution - Pas d'utilisation commerciale - Pas de modification
Permalien : http://www.manioc.org/fichiers/V13088
V13088
V13088
V13088

Éditeur(s) : HAL CCSD
Résumé : Co-encadrement assuré par le Groupement pour le Développement de la Télédétection Aérospatiale (GDTA) Diplôme : DESS
il s'agit d'un type de produit dont les métadonnées ne correspondent pas aux métadonnées attendues dans les autres types de produit : DISSERTATION
This document proposes a new map of the Eastern Guyana Shield, with the SPOT4-VEGETATION remotesensed datas of the year 2000. A new synthesis method, with the mean value, was applied and compared with the Maximum Value Method (WVC). To prepare this datas for the synthesis, a cloud filter was defined :BSC (BEST Sky Clear). With this results, an ISODATA classification was proceeded, and, produces 25 classes to detail the tropical maist forest with the 1 km low resolution. To valid this result, this document propose a method with the higthresolution datas Landsat 7 ETM+. This method aims to guide the ground truth and goes thoroughly into the description of the moist tropical forest classes. The sample, used to try this method, shows the boundaries and the constraints of this method. This points are debating in the discussion. Finally, the perspectives to develop the method are presented in the conclusion.
Ce document propose une nouvelle cartographie du Bouclier Oriental Guyanais à l'aide d'images satellites SPOT4-VEGETATION de l'année 2000. Une nouvelle méthode de synthèse annuelle, utilisant la valeur moyenne de la radiométrie, a été appliquée et comparée à la méthode du Maximum Value Composite (MVC). A cette occasion, un filtre de nuage a été défini pour préparer les données à cette synthèse : le filtre BSC (Best Sky Clear). Sur la base de ce résultat, une classification ISODATA a été réalisée, produisant 25 classes, et mettant en évidence les différents milieux forestiers des tropiques humides à une résolution spatiale de 1 km. Pour valider la classification, une méthode est proposée utilisant des images hautes résolutions Landsat 7 ETM+. Cette méthode permet de cadrer les vérifications sur le terrain et d'approfondir la définition des classes de forêt tropicale humide. L'échantillon utilisé pour tester la méthode met en évidence les limites et contraintes de la démarche proposée. Ces points sont exprimés dans la discussion. Enfin les perspectives de développements sont abordées dans la conclusion.
https://hal.archives-ouvertes.fr/hal-01189195

hal-01189195
https://hal.archives-ouvertes.fr/hal-01189195
PRODINRA : 13538

Éditeur(s) : HAL CCSD
Résumé : International audience
In this paper we propose a hybrid approach using mutual information and multi-objective optimization for feature subset selection problem. The hybrid aspect is due to the sequence of a filter method and a wrapper method in order to take advantages of both. The filter method reduces the exploration space by keeping subsets having good internal properties and the wrapper method chooses among the remaining subsets with a classification performances criterion. In the filter step, the subsets are evaluated in a multi-objective way to ensure diversity within the subsets. The evaluation is based on the mutual information to estimate the dependency between features and classes and the redundancy between features within the same subset. We kept the non-dominated (Pareto optimal) subsets for the second step. In the wrapper step, the selection is made according to the stability of the subsets regarding classification performances during learning stage on a set of classifiers to avoid the specialization of the selected subsets for a given classifiers. The proposed hybrid approach is experimented on a variety of reference data sets and compared to the classical feature selection methods FSDD and mRMR. The resulting algorithm outperforms these algorithms and the computation complexity remains acceptable even if it increases with regards to these two fast selection methods.
Journal of Informatics and Mathematical Sciences

hal-01375982
https://hal.archives-ouvertes.fr/hal-01375982

Éditeur(s) : HAL CCSD National Institute of Environmental Health Sciences
Résumé : International audience
BACKGROUND: Women of reproductive age can be exposed to endocrine-disrupting chemicals (EDCs) at work, and exposure to EDCs in pregnancy may affect fetal growth. OBJECTIVES: We assessed whether maternal occupational exposure to EDCs during pregnancy as classified by application of a job exposure matrix was associated with birth weight, term low birth weight (LBW), length of gestation, and preterm delivery. METHODS: Using individual participant data from 133,957 mother-child pairs in 13 European cohorts spanning births from 1994 through 2011, we linked maternal job titles with exposure to 10 EDC groups as assessed through a job exposure matrix. For each group, we combined the two levels of exposure categories (possible and probable) and compared birth outcomes with the unexposed group (exposure unlikely). We performed meta-analyses of cohort-specific estimates. RESULTS: Eleven percent of pregnant women were classified as exposed to EDCs at work during pregnancy, based on job title. Classification of exposure to one or more EDC group was associated with an increased risk of term LBW [odds ratio (OR) = 1.25; 95% CI: 1.04, 1.49], as were most specific EDC groups; this association was consistent across cohorts. Further, the risk increased with increasing number of EDC groups (OR = 2.11; 95% CI: 1.10, 4.06 for exposure to four or more EDC groups). There were few associations (p < 0.05) with the other outcomes; women holding job titles classified as exposed to bisphenol A or brominated flame retardants were at higher risk for longer length of gestation. CONCLUSION: Results from our large population-based birth cohort design indicate that employment during pregnancy in occupations classified as possibly or probably exposed to EDCs was associated with an increased risk of term LBW.
ISSN: 0091-6765

hal-01405823
https://hal-univ-rennes1.archives-ouvertes.fr/hal-01405823
DOI : 10.1289/EHP208
PUBMED : 27152464

Éditeur(s) : HAL CCSD Publisher : Paris : Baillière [1980-. Latest Publisher : Paris : Elsevier
Résumé : National audience
Introduction L’atteinte œsophagienne est fréquente chez les patients présentant une sclérodermie systémique. Le diagnostic est confirmé par la manométrie œsophagienne. La sensibilité et la spécificité de la manométrie œsophagienne ont été améliorées par l’avènement de la manométrie de haute résolution. L’objectif principal de cette étude observationnelle est de caractériser les troubles moteurs œsophagiens par manométrie de haute résolution, à la lumière de la troisième version de la classification de Chicago, chez des patients présentant une sclérodermie systémique selon les critères de l’EULAR/ACR 2013. Patients et méthodes Trente-six patients répondant au diagnostic de sclérodermie systémique selon les critères EULAR/ACR 2013 et ayant bénéficié d’une manométrie de haute résolution dans un centre de compétence français ont été inclus de manière consécutive. Les résultats de la manométrie de haute résolution ont été interprétés selon la troisième version de la classification de Chicago. Les caractéristiques cliniques, biologiques et les atteintes viscérales des patients ont également été relevées et confrontées aux données manométriques. L’atteinte pulmonaire était évaluée selon la méthode de Goh et al. en aveugle des données manométriques. Résultats L’âge moyen à l’inclusion était de 58,4 ans (SD = 14,2 ans) ; 83,3 % des patients étaient de sexe féminin. 22,2 % des patients avaient une sclérodermie systémique avec atteinte cutanée diffuse selon la classification de LeRoy ; 67 % des patients avaient un pyrosis, 30,6 % une dysphagie, 33,3 % une dyspepsie. 11 % des patients avaient des épisodes de fausses routes. D’après les résultats de la manométrie de haute résolution, 55,6 % des patients avaient un apéristaltisme, 33,3 % une hypotonie du sphincter inférieur de l’œsophage et 19,4 % une hypotonie du sphincter supérieur de l’œsophage. En analyse univariée, il n’était pas retrouvé d’association significative entre la présence d’une hypotonie du sphincter inférieur de l’œsophage et les caractéristiques cliniques ou biologiques quelles qu’elles soient. La présence d’un apéristaltisme était associée avec une symptomatologie de pyrosis (p = 0,004). L’apéristaltisme était associé de manière significative avec la présence de télangiectasies (p = 0,007) et d’anticorps anti-centromères (p = 0,038). La présence de calcinose ou d’une sclérodactylie n’était pas spécifiquement associée à une atteinte sphinctérienne ou motrice œsophagienne. Vingt-neuf patients (80,6 %) avaient bénéficié d’une TDM thoracique dans l’année de la réalisation de la manométrie de haute résolution. Parmi eux, 7 patients étaient atteints d’une pneumopathie interstitielle diffuse sévère (atteinte interstitielle de plus de 20 % du parenchyme pulmonaire évaluée sur 5 coupes standardisées). Il existait une association significative entre la présence d’un apéristaltisme et la présence d’une dilatation œsophagienne en TDM (p = 0,002) et la présence d’une atteinte pulmonaire sévère (p = 0,005, OR = 6,85 IC95 % (1,12–41,82)). Discussion L’association retrouvée entre apéristaltisme en manométrie de haute résolution et sévérité de la PID est confirmée par ce travail. Néanmoins un lien de causalité n’est pas certain. Une étude prospective évaluant la mise en évidence d’une atteinte œsophagienne par manométrie de haute résolution au moment du diagnostic de sclérodermie systémique et l’atteinte pulmonaire par TDM à distance serait nécessaire. L’entité nosologique représentée par le syndrome CREST n’est pas retrouvée dans cette cohorte de patients atteints de sclérodermie systémique selon les critères EULAR/ACR 2013, où 2 des critères diagnostiques (présence de calcinose et sclérodactylie) ne sont pas associés de manière significative à l’atteinte œsophagienne d’après les résultats de la manométrie de haute résolution. Conclusions Dans cette série, chez plus de la moitié des patients atteints de sclérodermie systémique la manométrie de haute résolution permet de détecter un apéristaltisme. La présence de troubles moteurs œsophagiens est associée à une atteinte pulmonaire plus sévère en TDM
ISSN: 0248-8663

hal-01321854
https://hal-univ-rennes1.archives-ouvertes.fr/hal-01321854
DOI : 10.1016/j.revmed.2016.04.267

Éditeur(s) : HAL CCSD Elsevier
Résumé : International audience
Wind energy production is very sensitive to instantaneous wind speed fluctuations. Thus rapid variation of wind speed due to changes in the local meteorological conditions can lead to electrical power variations of the order of the nominal power output. The high variability of this renewable energy source can caused a disruptive effect on power quality and reliability, in non-interconnected island networks as in Guadeloupe (French West Indies). To palliate these difficulties, it is essential to identify and characterize the wind speed distribution over very short time intervals. This allows anticipating the eventuality of power shortage or power surge. Therefore, it is of interest to categorize wind speed fluctuations into distinct classes and to estimate the probability of a distribution to belong to a class. This paper presents a method for classifying wind speed distributions by estimating a finite mixture of Dirichlet distributions. The SAEM algorithm that we use provides a fine distinction between three wind speed distribution classes. It is a new nonparametric method for wind speed classification.
ISSN: 0960-1481

hal-01527881
https://hal.archives-ouvertes.fr/hal-01527881
DOI : 10.1016/j.renene.2011.03.024

Éditeur(s) : HAL CCSD
Résumé : International audience
The k-nearest neighbors (k-NN) classification rule is still an essential tool for computer vision applications, such as scene recognition. However, k-NN still features some major drawbacks, which mainly reside in the uniform voting among the nearest prototypes in the feature space. In this paper, we propose a new method that is able to learn the "relevance" of prototypes, thus classifying test data using a weighted k-NN rule. In particular, our algorithm, called Multi-class Leveraged k-nearest neighbor (MLNN), learns the prototype weights in a boosting framework, by minimizing a surrogate exponential risk over training data. We propose two main contributions for improving computational speed and accuracy. On the one hand, we implement learning in an inherently multiclass way, thus providing significant computation time reduction over one-versus-all approaches. Furthermore, the leveraging weights enable effective data selection, thus reducing the cost of k-NN search at classification time. On the other hand, we propose a kernel generalization of our approach to take into account real-valued similarities between data in the feature space, thus enabling more accurate estimation of the local class density. We tested MLNN on three datasets of natural images. Results show that MLNN significantly outperforms classic k-NN and weighted k-NN voting. Furthermore, using an adaptive Gaussian kernel provides significant performance improvement. Finally, the best results are obtained when using MLNN with an appropriate learned metric distance.
Proceedings of the 10th Asian Conference on Computer Vision, ACCV 2010, November 8-12, 2010, Queenstown, New Zealand
Queenstown, New Zealand

hal-00664606
https://hal.inria.fr/hal-00664606
https://hal.inria.fr/hal-00664606/document
https://hal.inria.fr/hal-00664606/file/mlnn_accvfinal.pdf

Éditeur(s) : HAL CCSD
Résumé : Session "Articles"
National audience
Nous présentons ici une méthode permettant de créer et de représenter sous forme vectorielle des classes de transition à partir d'une classification supervisée basée sur des arbres de décision flous. Cette méthode est particulièrement utile pour la classification stricte de données dont les frontières sont naturellement diffuses ainsi que pour leur représentation au sein d'un System d'Information Géographique. C'est le cas par exemple des formations forestières entre lesquels les transitions sont généralement étalées sur plusieurs centaines de mètres avec des gradients dépendant de condition environnementales locales ne permettant pas de définir une transition identique dans toutes les directions. La méthode présentée permet d'ajouter des classes lorsque les zones de transition sont trop étendues plutôt que de fixer une frontière arbitrairement
Actes de la conférence RFIA 2012
Lyon, France

Droits : info:eu-repo/semantics/OpenAccess
hal-00656502
https://hal.archives-ouvertes.fr/hal-00656502
https://hal.archives-ouvertes.fr/hal-00656502/document
https://hal.archives-ouvertes.fr/hal-00656502/file/rfia2012_submission_57.pdf

Éditeur(s) : Centre français du littoral
Résumé : This study presents the first results of an ongoing research program that aims to derive thematic maps of the intertidal lagoon of Arcachon (SW Atlantic coast of France) from space imagery. At this stage, we present the results of the tests performed on Formosat-2 imagery. Several classification strategies have been tried with the aim to discriminate the sedimentary facies and the main species of the lagoon. The classes calculated by an optimized unsupervised clustering method, based on simulated annealing global minimization technique, were used to train a supervised classification algorithm. This approach allowed us to derive a bio-sedimentary map which overall accuracy is about 84%. Also, this method has the advantage of describing the fraction of vegetation cover of the seagrass.
Cette étude présente les premiers résultats d’un vaste programme de recherche qui ambitionne de définir une méthode de cartographie des platiers intertidaux du Bassin d’Arcachon (France) par télédétection. Les résultats présentés ici concernent les tests effectués sur l’imagerie Formosat-2 dans le but de discriminer les sédiments et les principales espèces végétales de la lagune. Le résultat d'une classification non supervisée optimisée par la méthode du recuit simulé est ensuite utilisé pour entraîner une classification par minimum de distance. Cette approche permet d’obtenir une carte des faciès bio-sédimentaires dont la précision est estimée à plus de 84 %. Cette méthode présente, en outre, un excellent potentiel pour la détermination du pourcentage de couvert végétal des herbiers à zostères.
Paralia (1760-8716) (Centre français du littoral), 2008 , N. 10 , P. 563-572

Droits : info:eu-repo/semantics/openAccess
http://archimer.ifremer.fr/doc/00254/36572/35110.pdf
DOI:10.5150/jngcgc.2008.054-L
http://archimer.ifremer.fr/doc/00254/36572/

Éditeur(s) : HAL CCSD Ecological Society of America
Résumé : Reliable assessment of fish origin is of critical importance for exploited species, since nursery areas must be identified and protected to maintain recruitment to the adult stock. During the last two decades, otolith chemical signatures (or "fingerprints") have been increasingly used as tools to discriminate between coastal habitats. However, correct assessment of fish origin from otolith fingerprints depends on various environmental and methodological parameters, including the choice of the statistical method used to assign fish to unknown origin. Among the available methods of classification, Linear Discriminant Analysis (LDA) is the most frequently used, although it assumes data are multivariate normal with homogeneous within-group dispersions, conditions that are not always met by otolith chemical data, even after transformation. Other less constrained classification methods are available, but there is a current lack of comparative analysis in applications to otolith microchemistry. Here, we assessed stock identification accuracy for four classification methods (LDA, Quadratic Discriminant Analysis [QDA], Random Forests [RF], and Artificial Neural Networks [ANN]), through the use of three distinct data sets. In each case, all possible combinations of chemical elements were examined to identify the elements to be used for optimal accuracy in fish assignment to their actual origin. Our study shows that accuracy differs according to the model and the number of elements considered. Best combinations did not include all the elements measured, and it was not possible to define an ad hoc multielement combination for accurate site discrimination. Among all the models tested, RF and ANN performed best, especially for complex data sets (e. g., with numerous fish species and/or chemical elements involved). However, for these data, RF was less time-consuming and more interpretable than ANN, and far more efficient and less demanding in terms of assumptions than LDA or QDA. Therefore, when LDA and QDA assumptions cannot be reached, the use of machine learning methods, such as RF, should be preferred for stock assessment and nursery identification based on otolith microchemistry, especially when data set include multispecific otolith signatures and/or many chemical elements.
ISSN: 1051-0761

hal-00644549
https://hal.archives-ouvertes.fr/hal-00644549
DOI : 10.1890/09-1887.1

Éditeur(s) : HAL CCSD IEEE
Résumé : International audience
This paper proposes a novel automated approach for the categorization of cells in fluorescence microscopy images. Our supervised classification method aims at recognizing patterns of unlabeled cells based on an annotated dataset. First, the cell images need to be indexed by encoding them in a feature space. For this purpose, we propose tailored bio-inspired features relying on the distribution of contrast information. Then, a supervised learning algorithm is proposed for classifying the cells. We carried out experiments on cellular images related to the diagnosis of autoimmune diseases, testing our classification method on the HEp-2 Cells dataset of Foggia et al (CBMS 2010). Results show classification precision larger than 96% on average, thus confirming promising application of our approach to the challenging application of cellular image classification for computer-aided diagnosis.
ICPR 2012
Tsukuba, Japan

hal-00958856
https://hal.archives-ouvertes.fr/hal-00958856
https://hal.archives-ouvertes.fr/hal-00958856/document
https://hal.archives-ouvertes.fr/hal-00958856/file/icpr_2012.pdf

Éditeur(s) : HAL CCSD
Résumé : The research presented in this thesis aims at determining the possibility of partial or total automatic ship detection in High Resolution optical satellite images. At first, we expose the industrial context of our study, which fixes the constraints in terms of performances and processing time. Then, we present the available satellite data for our study (SPOT 5 panchromatic images of 5m per pixel resolution). Then we detail our approach for ship detection : the first stage is a pre-detection of targets that gives us candidates. The second stage is a precise segmentation of each candidate and the third stage is a classification of candidates. Our pre-detection method is based on the Bayesian decision theory. This pre-detection supplies a set of regions of interests (ROI). Among them, we have ships, but also false alarms due to clouds and to crests of waves. The purpose of the following stage is to eliminate the false alarms and to characterize the pre-detected ships. Then, we detail the method used to segment candidates. It uses active contours and also uses the Bayesian decision theory. After a brief description of the characteristics extracted for the classication of ships, we present the classifier that we used. We complete the ship characterization by presenting two methods of wave ship detection. The first approach uses active contours and the second is based on an a contrario approach. We compare the results of these two approaches. To complete the study and replace it in the industrial and operational context, we present experiments of the complete algorithm on complete images to estimate the performances and the processing time of the whole method.
Les travaux présentés dans cette thèse ont pour but de déterminer la possibilité d'automatiser, partiellement ou totalement, la détection de bateaux à partir d'images satellitaires optiques haute résolution. Nous exposons tout d'abord le contexte industriel dans lequelle s'insère notre étude, qui fixe les contraintes en termes de performances et de temps de traitement. Puis, nous présentons les données satellitaires disponibles dans le cadre de notre étude (images SPOT 5 panchromatique de résolution 5m). Après avoir illustré le contenu des scènes, nous présentons la démarche adoptée pour la détection des navires : une phase de pré-détection suivie d'une étape de segmentation et d'une étape de classification. La méthode de pré-détection utilisée s'appuie sur la théorie bayésienne de la décision. Après avoir présenté le modèle classique, nous discutons du modèle que nous avons utilisé. Cette pré-détection fournit un ensemble de régions d'intérêts. Parmi elles, nous n'avons pas uniquement des bateaux, nous avons également des fausses alarmes dues aux nuages et aux crêtes de vagues. Le but de l'étape suivante est à la fois d'éliminer les fausses alarmes et de caractériser les bateaux pré-détectés. Ensuite, nous détaillons la méthode utilisée pour segmenter les bateaux. Elle s'appuie sur des contours actifs et utilise également la théorie bayésienne de la décision. Après avoir décrit les caractéristiques extraites pour la classification des bateaux, nous présentons le classifieur utilisé. Nous complétons la caractérisation des navires en présentant deux méthodes de détection des sillages différentes des méthodes classiques. La première approche s'appuie sur l'utilisation de contours actifs et la seconde est basée sur une approche a contrario. Nous comparons les résultats des ces deux approches. An de compléter l'étude et se replacer dans le contexte industriel et opérationnel de la thèse, nous présentons des expérimentations de l'ensemble de l'algorithme sur des images complètes pour évaluer les performances et le temps de traitement.
https://tel.archives-ouvertes.fr/tel-00560119

tel-00560119
https://tel.archives-ouvertes.fr/tel-00560119
https://tel.archives-ouvertes.fr/tel-00560119/document
https://tel.archives-ouvertes.fr/tel-00560119/file/These_NadiaProia_Version_Finale.pdf

Éditeur(s) : HAL CCSD Elsevier
Résumé : International audience
The number of satellites and sensors devoted to Earth observation has become increasingly elevated, delivering extensive data, especially images. At the same time, the access to such data and the tools needed to process them has considerably improved. In the presence of such data flow, we need automatic image interpretation methods, especially when it comes to the monitoring and prediction of environmental and societal changes in highly dynamic socio-environmental contexts. This could be accomplished via artificial intelligence. The concept described here relies on the induction of classification rules that explicitly take into account structural knowledge, using Aleph, an Inductive Logic Programming (ILP) system, combined with a multi-class classification procedure. This methodology was used to monitor changes in land cover/use of the French Guiana coastline. One hundred and fifty-eight classification rules were induced from 3 diachronic land cover/use maps including 38 classes. These rules were expressed in first order logic language, which makes them easily understandable by non-experts. A 10-fold cross-validation gave significant average values of 84.62%, 99.57% and 77.22% for classification accuracy, specificity and sensitivity, respectively. Our methodology could be beneficial to automatically classify new objects and to facilitate object-based classification procedures.
ISSN: 0098-3004

hal-01369822
https://hal.archives-ouvertes.fr/hal-01369822
https://hal.archives-ouvertes.fr/hal-01369822/document
https://hal.archives-ouvertes.fr/hal-01369822/file/CAGEO-D-13-00538R1_article.pdf
DOI : 10.1016/j.cageo.2014.08.013

Éditeur(s) : HAL CCSD American Chemical Society
Résumé : International audience
Childhood absence epilepsy is a prototypic form of generalized nonconvulsive epilepsy characterized by short impairments of consciousness concomitant with synchronous and bilateral spike-and-wave discharges in the electroencephalogram. For scientists in this field, the BS/Orl and BR/Orl mouse lines, derived from a genetic selection, constitute an original mouse model "in mirror" of absence epilepsy. The potential of MALDI imaging mass spectrometry (IMS) for the discovery of potential biomarkers is increasingly recognized. Interestingly, statistical analysis tools specifically adapted to IMS data sets and methods for the identification of detected proteins play an essential role. In this study, a new cross-classification comparative design using a combined discrete wavelet transformation-support vector machine classification was developed to discriminate spectra of brain sections of BS/Orl and BR/Orl mice. Nineteen m/z ratios were thus highlighted as potential markers with very high recognition rates (87-99%). Seven of these potential markers were identified using a top-down approach, in particular a fragment of Synapsin-I. This protein is yet suspected to be involved in epilepsy. Immunohistochemistry and Western Blot experiments confirmed the differential expression of Synapsin-I observed by IMS, thus tending to validate our approach. Functional assays are being performed to confirm the involvement of Synapsin-I in the mechanisms underlying childhood absence epilepsy.
ISSN: 1535-3893

hal-00877728
https://hal.archives-ouvertes.fr/hal-00877728
DOI : 10.1021/pr3006974
PUBMED : 22994238

Éditeur(s) : HAL CCSD Springer
Résumé : Third International Workshop, MLMI 2012, Held in Conjunction with MICCAI 2012
International audience
Universal Nearest Neighbours (unn) is a classifier recently proposed, which can also effectively estimates the posterior probability of each classification act. This algorithm, intrinsically binary, requires the use of a decomposition method to cope with multiclass problems, thus reducing their complexity in less complex binary subtasks. Then, a reconstruction rule provides the final classification. In this paper we show that the application of unn algorithm in conjunction with a reconstruction rule based on the posterior probabilities provides a classification scheme robust among different biomedical image datasets. To this aim, we compare unn performance with those achieved by Support Vector Machine with two different kernels and by a k Nearest Neighbours classifier, and applying two different reconstruction rules for each of the aforementioned classification paradigms. The results on one private and five public biomedical datasets show satisfactory performance.
Machine Learning in Medical Imaging
Nice, France

hal-00958909
https://hal.archives-ouvertes.fr/hal-00958909
https://hal.archives-ouvertes.fr/hal-00958909/document
https://hal.archives-ouvertes.fr/hal-00958909/file/Miccai.pdf
DOI : 10.1007/978-3-642-35428-1_15

Éditeur(s) : HAL CCSD
Résumé : International audience
The segmentation of digital images of plants is a tricky operation. In the example of a plant image on a unhomogeneous background, i.e. taken in its environment, the colorimetric diversity of the elements of a scene or the large number of forms can amplify the phenomena of over-segmentation. Global segmentation methods such as Mean Shift are then in this case the ones which will give the best results. These methods take into account the totality of the pixels of an image before classifying a point. On the other hand, complexity is increased, because it is necessary to go through the whole image treated, in order to find the mode of the point which one wishes to classify. In this article, we plan to couple the global segmentation with a local method which would take over in the event of obvious classification of a given point. The Mean Shift method is used for this purpose in association with Markov's chains.
Applied Imagery Pattern Recognition (AIPR)
Washington DC, United States

hal-00637143
https://hal.archives-ouvertes.fr/hal-00637143
DOI : 10.1109/AIPR.2011.6176338

Éditeur(s) : University of Miami
Résumé : This work aims to describe fishing activity in Guadeloupe through a typology. The samply unit y is the landing represented by a profile of specific composition. Using multivariate analysis methods allows to synthesize this fishing multi specises and multi fishing tackles. Principal Component Analysis and classification regroup landings. Then, segmentation method separateses classes by species composition. Typology is obtained by association of classes and tackles. The contraist between landings of reef fishes realized with traps and those which search for pelagics is clearly shown. Landings of queen conch and landings without fishes are separated in two classes.
L'objectif de cette étude est de décrire par une typologie, l'activité de pêche en Guadeloupe. L'unité d'échantillonnage est la sortie représentée à l'aide d'un profil de la composition spécifique du débarquement. L'utilisation des méthodes d'analyses de données multivariées permet d'appréhender de façon synthétique cette pêcherie muIti-espèce et multi-engin. L'analyse en composantes principales couplée à une classification regroupe les sorties en classes homogènes. Une fois les classes définies, la segmentation les discrimin à partir de leur composition spécifique. La typologie est obtenue en associant les classes et les engins. Elle fait parfaitement ressortir l'opposition entre les sorties ciblant les poissons de fond, essentiellement réalisées aux casiers, et celles recherchant des pélagiques. Les sorties ciblant les langoustes sont séparées en deux classes en fonction du pourcentage en poissons de fond pêchés conjointement. Les sorties capturant des lambis et celles de captures nulles sont regroupées dans deux classes différentes.
Proceedings - Gulf and Caribbean Fisheries Institute, University of Miami (0072-9019) (University of Miami), 1998 , Vol. 50 , P. 228-248

Droits : info:eu-repo/semantics/openAccess
http://archimer.ifremer.fr/doc/00113/22408/20105.pdf
http://archimer.ifremer.fr/doc/00113/22408/

Éditeur(s) : HAL CCSD IRD
Résumé : International audience
The number of satellites and remote sensing sensors devoted to earth observation becomes increasingly high, providing more and more data and especially images. In the same time the access to such a data and to the tools to process them has been considerably improved. In the presence of such data flow - and regarding the necessity to follow up and predict environmental and societal changes in highly dynamic socio-environmental contexts - we need automatic image interpretation methods. This could be accomplished by exploring some strengths of artificial intelligence. Our main idea consists in inducing classification rules that explicitly take into account structural knowledge, using Aleph, an Inductive Logic Programming (ILP) system. We applied our proposed methodology to three land cover/use maps of the French Guiana littoral. One hundred and forty six classification rules were induced for the 39 land-cover classes of the maps. These rules are expressed in first order logic language which make them intelligible and interpretable by non-experts. A ten-fold cross validation gave average values for classification accuracy, specificity and sensibility equal to, respectively, 98.82 %, 99.65% and 70%. The proposed methodology could be valuably exploited to automatically classify new objects and/or help operators using object-based classification procedures.
Symposium of the Latin American Society for Remote Sensing and Spatial Information Systems (SELPER)
Cayenne, French Guiana

ird-00797337
http://hal.ird.fr/ird-00797337
http://hal.ird.fr/ird-00797337/document
http://hal.ird.fr/ird-00797337/file/Bayoudh_et_al_2012_FP_SELPER-086.pdf
IRD : fdi:010058343

Éditeur(s) : HAL CCSD
Résumé : Weather stations are constantly provided with thousands of satellite images with a view to anticipating the progress of natural phenomenons. This constant flow ofinformation requires speed and a strict analysis. Consequently, it is absolutely necessary to implement systems capable of working night and day, in order to make assessments. In this article, we suggest a method relying on pattern recognition investigation techniques, such as segmentation and classification. These techniques will be used to locate and discriminate the banks of clouds coming from images picked up by the GOES geostationary satellite. Treatment of the cloud shapes which have been found can be carried out, using operations, such as mathematical morphology, so as to draw discriminating characteristics. Classifier systems are used in order to interpret the characteristics which have been obtained and to conduct cloud classification.
15th Meeting of the Caribbean Academy of Sciences
Gosier, Guadeloupe

hal-00524903
https://hal.archives-ouvertes.fr/hal-00524903

Éditeur(s) : HAL CCSD
Résumé : International audience
In this work, we have led an analysis of the error of different global solar radiation prediction models according to the global solar radiation variability. Different predictions models where performed such as machine learning techniques (Neural Networks, Gaussian processes and support vector machines) in order to forecast the Global Horizontal solar Irradiance (GHI). We also include in this study a simple linear autoregressive (AR) model as well as two naive models based on persistence of the GHI and persistence of the clear sky index (denoted herein scaled persistence model). The models are calibrated and tested with data from three 3 French islands: Corsica (42.15°N ; 9.08°E), Guadeloupe (16.25°N ; 61.58°W) and Reunion (21.15°S ; 55.5°E). Guadeloupe and Reunion are located in a subtropical climatic zone whereas Corsica is in a tempered climatic zone. Hence the global solar radiation variation differs significantly. The output error of the different models was quantified by the nRSME. In order to quantify the influence of the global solar radiation variability on the forecasting models error we performed a classification of typical days according to different typical days. Each class of typical day is defined by a variation of global solar radiation rate. For each class and for each location, the selected forecasting models where performed and the error was quantified. With this analysis a global solar radiation forecasting models can be selected according to the location, the global solar radiation fluctuations and hence the meteorological conditions. INTRODUCTION Large and frequent variations of solar radiation can be observed in tropical climates with amplitudes reaching 800 W/m² and occurring within a short time interval, from few seconds to few minutes, according to the geographical location. Such fluctuations can be due for example to the dynamic of clouds which can be very complex and depend on cloud type, size, speed and spatial distribution and, more generally, due to some specific local meteorological conditions. Thus, the solar energy forecasting, a process used to predict the amount of solar energy available in the current and near terms, might be a difficult task. Some of the best predictors found in literature are Autoregressive and moving average (ARMA) [5,7,8], Bayesian inferences [9,10], Markov chains [11], k-Nearest-Neighbors predictors [12] or artificial intelligence techniques as the Artificial Neural Network (ANN) [9-11]. Although these methodologies are potentially good in many areas, we observed in our previous studies on global radiation prediction [9,13,14] that the simple model based on the persistence of the clear sky index gives often very good results with acceptable errors [15] for short term forecasting time horizon (<= 1 hour). The goal of this paper is to determinate the influence of solar radiation variability regarding different classes of days on the expected error provided by different forecasting methods that the modeller can possibly implement. The paper is organized as follow: Section 2 describes the data we have used. Section 3 exposes the classification methodology and the results obtained for the three studied locations. In the two following sections, the forecasting methods are exposed and then 3 the errors on the forecasting results for each location and for each class are exposed.
The Third Southern African Solar Energy Conference (SASEC2015)
Kruger National Park, South Africa

Droits : info:eu-repo/semantics/OpenAccess
hal-01099487
https://hal.archives-ouvertes.fr/hal-01099487
https://hal.archives-ouvertes.fr/hal-01099487/document
https://hal.archives-ouvertes.fr/hal-01099487/file/article%20SASEC.pdf