Accéder directement au contenu Accéder directement à la navigation
Communication dans un congrès

Divergence de Kullback-Leibler en grande dimension pour la classification des prairies à partir de séries temporelles d'images satellite à haute résolution

Maïlys Lopes 1 Stéphane Girard 2 Mathieu Fauvel 1
2 MISTIS - Modelling and Inference of Complex and Structured Stochastic Systems
Inria Grenoble - Rhône-Alpes, LJK - Laboratoire Jean Kuntzmann, Grenoble INP - Institut polytechnique de Grenoble - Grenoble Institute of Technology
Résumé : Les nouvelles missions satellite offrent des séries temporelles d'images à haute résolution spatiale. Des outils statistiques appropriés sont requis afin de gérer la grande dimension des données face au faible nombre d'échantillons de référence. L'objectif de cette étude est de construire un modèle permettant la classification d'objets non-homogènes du paysage, les prairies, à partir d'une série temporelle d'un indice de végétation spectral. La méthode proposée utilise la divergence de Kullback-Leibler adaptée à la grande dimension pour calculer la distance entre chaque paire de prairies. Elle permettra la classification à l'échelle de l'objet avec un échantillon de petite taille et un nombre de variables élevé.
Type de document :
Communication dans un congrès
Liste complète des métadonnées

https://hal.inrae.fr/hal-02801404
Déposant : Migration Prodinra <>
Soumis le : vendredi 5 juin 2020 - 20:49:33
Dernière modification le : vendredi 3 juillet 2020 - 16:49:11

Identifiants

  • HAL Id : hal-02801404, version 1
  • PRODINRA : 357566

Collections

INRAE | INSMI | INRIA | LJK | UGA | CNRS

Citation

Maïlys Lopes, Stéphane Girard, Mathieu Fauvel. Divergence de Kullback-Leibler en grande dimension pour la classification des prairies à partir de séries temporelles d'images satellite à haute résolution. 48. Journées de Statistique de la Société Française de Statistique, May 2016, Montpellier, France. 6 p. ⟨hal-02801404⟩

Partager

Métriques

Consultations de la notice

7