Vendredi 12 mars 2004
Karine Zeitouni
(Universite Versailles-Saint
Quentin)
Fouille de données spatiales
Dans le domaine de l'informatique décisionnelle, une évolution importante de
ces
dernières années a été le développement du data mining.
L'objectif ultime est
d'extraire par des processus automatisés des
connaissances à partir de montagnes de données comme on extrait des matériaux
précieux d'un gisement. Ceci a conduit à un nouveau domaine de recherche qui se
situe au croisement des bases de données, des
statistiques et de l'intelligence artificielle.
Initialement appliquées à des données tabulaires simples, les recherches en
data
mining s'étendent aujourd'hui à des données plus
complexes et notamment aux
données spatiales. On parle de data mining spatial.
L'extraction de connaissances des données géographiques est de plus motivée par
un besoin réel des applications en géomatique visant
à tirer profit de la
disponibilité croissante de données localisées et de la richesse
potentielle en informations de ces données. C'est le cas de l'analyse du risque
lié à un territoire comme l'étude de la diffusion d'épidémies ou du risque
routier. Cet exposé vise à donner un aperçu du data mining
spatial et de son application.
Abdelaziz Faraj (Institut Français du Pétrole)
Analyse de
à différentes échelles spatiales
Les images sismiques sont des "échographies" du sous-sol. Nous
recherchons à
identifier et à analyser les structures spatiales que contiennent ces images
pour évaluer et interpréter leurs structures géologiques sous-jacentes. De
telles données sont naturellement spatiales car les individus (pixels)
peuvent être représentés par leurs coordonnées spatiales sur le plan de
position géologique. Il est alors primordial, pour rendre compte de
l'ensemble des structures inhérentes à ces données, de prendre en
considération, en plus de leurs caractéristiques statistiques, les relations
de contiguïté spatiale entre les pixels. Nous utilisons pour cela l'analyse
de la contiguïté spatiale (ACS) à la fois comme outil de description
multidimensionnelle et spatiale et de filtrage (i.e. extraction de
structures remarquables). L'ACS est une méthode factorielle qui permet
d'analyser les structures géographiques où il y a existence d'une relation
de graphe entre les individus [Lebart 1969].
Contrairement aux méthodes de
la géostatistique classique [Wackernagel 1995], elle se caractérise
principalement par un aspect multidimensionnel et descriptif [Faraj et al.
2001]. Nous présenterons, lors de cet exposé, une méthodologie globale pour
appliquer l'ACS à l'analyse d'une famille d'images et
proposons un certain
nombre d'outils aussi bien pour déterminer la distance spatiale
"optimale"
révélant les structures spatiales "adéquates" que pour aider à
l'interprétation des composantes spatiales obtenues par l'ACS.
Nous
illustrerons la méthode en l'appliquant à un jeu de données.