Discussion :

[mkachekh]

Bonjour tous le monde
Je travail sur les arbres et je fait une première segmentation et a partir de laquelle j'extrais les couronnes d'arbres et à partir d'une base d'apprentissage je veux classifier ces couronnes.
Le modèle est presque terminé ce que je veux savoir c'est quelles sont les nouvelles techniques de classification supervisé qui existe et est ce que vous me conseillez une en particulier.
Merci d'avance pour votre aide

[ToTo13]

Bonjour,

je n'ai pas particulièrement entendu dire qu'il y avait de nouvelles techniques miraculeuses... tout au plus des façons de préparer les données ou de converger.
Commence déjà par les méthodes classiques en fonction du nombre de classes que tu as...

[mkachekh]

Bonjour,

je n'ai pas particulièrement entendu dire qu'il y avait de nouvelles techniques miraculeuses

J'ai pas dis ça je veux juste parler des classifieur à utiliser je me suis peut être mal exprimé en faite j ai essayer avec le classifieur avec maximum de vraisemblance, le classifieur par minimum distance aavec la distance euclidienne
et la distance de Mahalanobis…
Ce que je voulai savoir c est ce qu'il y ad'autre classifieur que je peut voir
Merci

[ToTo13]

Bonsoir,

mmm... c'est bien beau de changer les distances, mais qu'en est il de la technique utilisée derrière ?

• Réseaux de neurones
• Régression linéaire ou logistique
• PLS
• SVM
• ...

Et surtout, qu'elles caractéristiques donnes tu à ton classifieur ? es tu sûr qu'elles sont pertinentes ?

[mkachekh]

salut
pour les caractéristiques ce sont des caractéristiques structurelles en faites j'ai utilisés quelques mesures et indices de formes et j'ai préparé une base d'apprentissage qui me parait bonne, j ai essayé avec quatre classe et j'ai remarqué que l'air des classes peut être un bon attribut discriminatoire.

[ToTo13]

Bonjour,

il est vrai que les arbres ont des aptitudes biologiques à être plus ou moins grand, mais que fais tu des arbres "jeunes" qui sont plus petits que leurs ainés.

Tu peux faire une analyse de la forme globale de ma couronne, mais j'ai des doutes. Pour une même famille d'arbre, les couronnes sont totalement différentes. Voire même, la couronne d'un même arbre sera totalement différente selon le point de vue.

J'aurai plutôt fait une analyse de la texture de la couronne.
En allant plus loin, j'aurai plutôt fait une analyse de l'écorce et des feuilles. En effet, les feuilles sont différentes d'un arbre à un autre.

[mkachekh]

Bonjour,

il est vrai que les arbres ont des aptitudes biologiques à être plus ou moins grand, mais que fais tu des arbres "jeunes" qui sont plus petits que leurs ainés.

Tu peux faire une analyse de la forme globale de ma couronne, mais j'ai des doutes. Pour une même famille d'arbre, les couronnes sont totalement différentes. Voire même, la couronne d'un même arbre sera totalement différente selon le point de vue.

J'aurai plutôt fait une analyse de la texture de la couronne.
En allant plus loin, j'aurai plutôt fait une analyse de l'écorce et des feuilles. En effet, les feuilles sont différentes d'un arbre à un autre.

Salut toto tes remarques sont excellentes mais en faite je pense que ça diffère entre image par exemple dans mon cas juste en se basant sur l'air on voit déjà la différence entre les espèces, de plus la forme des couronnes diffère c'est vrai mais ça n'empêche que la plus part des arbres de la même espèce ont des formes plus ou moins identique, il y a des espèces de petits arbres et il ont une forme plus au moins commune, de même pour les arbres de grandes dimensions. si vous voulez je déposerez des photos et vous me dites ce que vous en pensez.

[ToTo13]

Bonjour,

donc si tu souhaites les classer par familles, il faut d'abord commencer par les caractériser :

• Forme => Indices de formes, ...
• Textures => Matrice de coocurrences & Haralick's Features.

On peut bien sûr trouver d'autres méthodes, mais celles là me semblent bien.

Ensuite, tu construits le vecteur caractéristique et tu fais un K-means. Je pense que c'est un bon début.

[mkachekh]

salut
en faite mon sujet est d'integrer l'information structurelle dans la classification des forets c'est pour ca que j'ai pas voulu introduire la notion de texture alors que j'ai pensé à le faire et mon encadrant m'a dit qu'on verra aprés
donc j'ai voulu faire un modéle avec des caractéristique spécifique à la structure et d'introduire aprés quelques données experts concernant les relations spatiales pour améliorer encore cette classification
qu'est ce que vous en pensez

[ToTo13]

Bonjour,

donc j'ai voulu faire un modéle avec des caractéristique spécifique à la structure et d'introduire aprés quelques données experts concernant les relations spatiales pour améliorer encore cette classification
qu'est ce que vous en pensez

mmm... oui pourquoi pas...
Mais les relations spaciales ne sont elles pas tout simplement la densité d'arbre de la forêt ou simplement le volume de la couronne par rapport à la taille du tronc (ce dernier pouvant discriminer certaines variétés) ?

[mkachekh]

Bonjour,



Mais les relations spaciales ne sont elles pas tout simplement la densité d'arbre de la forêt ou simplement le volume de la couronne par rapport à la taille du tronc (ce dernier pouvant discriminer certaines variétés) ?

je ne sais pas si c'est vraiment ca moi je pencherai plus vers l'adjacense entre les arbres et les distances entre elle par exemple

[mkachekh]

salut
j'ai essayé de voir la classification avec le minimum de distance mais il y a un problème c'est que quand on parle d'indice de forme c'est des valeurs la plus part du temps entre 0 et 1 mais un attribut comme l'air le périmètre sont des valeurs grande et donc l'importance des indices de formes va être minime danzs le choix de la classe j'ai pensé à faire des poids pour chaque attributs du vecteur mais je ne vois pas comment choisir ces poids.

[kaiseresis]

Bonjour,
essaye de normaliser le vecteur caractéristique c'est mieux que de donner des poids pour chaque caractéristique

[ToTo13]

Bonjour,

généralement ce n'est pas très important dans un classifieur, car c'est lui qui fixe les poids (qui forment la solution). Donc tu peux tester tel quel et voir le résultat.
Sinon, tu peux normaliser les données de chaque type :
- pour un type, tu calcules la moyenne et l'écart type.
- puis sur chaque valeur du type, tu lui soustrais la moyenne et tu divises par l'écart type.

[mkachekh]

merci j'essaye et je vais voir ce que ça donne