Génération de classes de transition vectorielles par recouvrement de classes floues

Grandchamp Enguerran (1) , Sébastien Regis (1) , Rousteau Alain (2)

1 LAMIA - Laboratoire de Mathématiques Informatique et Applications
2 DYNECAR EA 926 - Dynamique des écosystèmes Caraïbe et biologie des espèces associées

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

Mots clés: SIG; classification; arbre de décision; flou

Domaines: Intelligence artificielle [cs.AI]; Vision par ordinateur et reconnaissance de formes [cs.CV]

Grandchamp Enguerran, Sébastien Regis, Rousteau Alain. Génération de classes de transition vectorielles par recouvrement de classes floues. RFIA 2012 (Reconnaissance des Formes et Intelligence Artificielle), Jan 2012, Lyon, France. pp.978-2-9539515-2-3. ⟨hal-00656502⟩