Skip to Main content Skip to Navigation
Theses

Contributions to collaborative clustering and its potential applications on very high resolution satellite images

Résumé : Cette thèse présente plusieurs algorithmes développés dans le cadre du projet ANR COCLICO et contient deux axes principaux :Le premier axe concerne l'introduction d'un algorithme applicable aux images satellite à très haute résolution, qui est basé sur les champs aléatoires de Markov et qui apporte des notions sémantiques sur les clusters découverts. Cet algorithme est inspiré de l'algorithme Iterated conditional modes (ICM) et permet de faire un clustering sur des segments d'images pré-traitées. La méthode que nous proposons permet de gérer des voisinages irréguliers entre segments et d'obtenir des informations sémantiques de bas niveau sur les clusters de l'image traitée.Le second axe porte sur le développement de méthodes de clustering collaboratif applicables à autant d'algorithmes que possible, ce qui inclut les algorithmes du premier axe. La caractéristique principale des méthodes proposées dans cette thèse est leur applicabilité aux deux cas suivants : 1) plusieurs algorithmes travaillant sur les mêmes objets dans des espaces de représentation différents, 2) plusieurs algorithmes travaillant sur des données différentes ayant des distributions similaires. Les méthodes que nous proposons peuvent s'appliquer à de nombreux algorithmes comme l'ICM, les K-Moyennes, l'algorithme EM, ou les cartes topographiques (SOM et GTM). Contrairement aux méthodes précédemment proposées, notre modèle permet à des algorithmes très différents de collaborer ensemble, n'impose pas de contrainte sur le nombre de clusters recherchés et a une base mathématique solide.
Document type :
Theses
Complete list of metadatas

Cited literature [160 references]  Display  Hide  Download

https://pastel.archives-ouvertes.fr/tel-01447431
Contributor : Abes Star :  Contact
Submitted on : Monday, January 30, 2017 - 2:15:07 PM
Last modification on : Monday, June 22, 2020 - 11:34:07 PM

File

56868_SUBLIME_2016_archivage.p...
Version validated by the jury (STAR)

Identifiers

  • HAL Id : tel-01447431, version 2

Citation

Jérémie Sublime. Contributions to collaborative clustering and its potential applications on very high resolution satellite images. Other [cs.OH]. Université Paris-Saclay, 2016. English. ⟨NNT : 2016SACLA005⟩. ⟨tel-01447431v2⟩

Share

Metrics

Record views

2711

Files downloads

525