Intégration de données
|
|
- Benjamin Briand
- il y a 8 ans
- Total affichages :
Transcription
1 Intégration de données L intégration de données géographiques Schéma + specifs BDG source Numérisation Données numériques Intégration BDG OUTILS SIG OUTILS SIG 6
2 L intégration de données géographiques Schéma + specifs BDG source Numérisation Données numériques Intégration BDG OUTILS SIG OUTILS SIG Un schéma logique de Saisie Se conformer au nouveau schéma Respecter les règles de cohérence L intégration de données géographiques Un espace géographique, hétérogènes! BDTopo BDCarto 62
3 L intégration de données géographiques Un espace géographique, hétérogènes! BDCarto BDTopo Géoroute L intégration de données géographiques Un espace géographique, hétérogènes! Géoroute BDCarto 63
4 L intégration de données géographiques Un espace géographique, hétérogènes! BDCarto + BDTopo BDCarto + BDTopo Différents niveaux de détail Différents points de vue Différentes utilisations (visualisation, analyse) Différentes dates Différents modes d acquisition (sources, processus) Différentes contraintes système Erreurs de saisie Pourquoi tant de différences? L intégration de données géographiques 64
5 Pourquoi tant de différences? L intégration de données géographiques Différences de structures (informations équivalentes) Langages de modélisation UML, HDBS. Modélisations de la géométrie différentes Raster / vecteur; avec ou sans multi-géométries Structurations différentes Regroupements, classes / attributs Informations plus ou moins implicites A travers la géométrie Pourquoi tant de différences? Différences de système de positionnement (informations équivalentes): Systèmes de référence Systèmes d altitudes Projections Localisations indirectes (adresses, pk ) Différences du contenu d information : Zone couverte Richesse d information Critères de sélection Niveaux de détail Précisions Implantations géométriques Segmentations L intégration de données géographiques 65
6 Les différences portent sur ce qu on représente : quoi? L intégration de données géographiques comment on le représente : comment? Il faut distinguer les différences dues aux spécifications : équivalences différences dues aux erreurs ou aux actualités : incohérences L intégration de données géographiques Quels sont les besoins en termes d intégration de BDG? Propagation des mises à jour, Détection d incohérences, Analyses multi-niveaux, Création d infrastructures de données spatiales (INSPIRE), Recalage, Partage de données avec des partenaires IGN, Requêtes et navigation. 66
7 Quelles sont les difficultés liées à l intégration des BDG? Hétérogénéité = différence dans le contenu, la structure, la présentation de l information dont ont besoin des applications pour travailler Différents aspects de l hétérogénéité des données [Sheth et Larson, 99] [Kashyap et Sheth, 998] [Bishr, 998]: Hétérogénéité syntaxique Hétérogénéité schématique Hétérogénéité terminologique Hétérogénéité cognitive L intégration de données géographiques Différents aspects de l hétérogénéité des données: Hétérogénéité syntaxique L intégration de données géographiques Format des données: shp, mif/mid, postgis, oracle, etc. 67
8 L intégration de données géographiques Différents aspects de l hétérogénéité des données: Hétérogénéité schématique Implémentations différentes d un même schéma conceptuel de données L intégration de données géographiques Différents aspects de l hétérogénéité des données: Hétérogénéité terminologique Ex: Différents noms pour désigner un même concept BDTOPO BDCARTO 68
9 Différents aspects de l hétérogénéité des données: Hétérogénéité cognitive L intégration de données géographiques Différentes modélisations pour un même concept Transport d énergie et de fluides Canalisation Hydrographie Tronçon hydrographique BDTOPO Aqueduc BDCARTO L intégration de données géographiques Différents aspects de l hétérogénéité des données: Hétérogénéité syntaxique Hétérogénéité schématique Hétérogénéité terminologique Hétérogénéité cognitive Hétérogénéité sémantique 69
10 L intégration de données géographiques Combiner les informations issues de bases indépendantes suppose de résoudre ces types d hétérogénéité L intégration de données géographiques Le processus global d intégration des BDG [Sheeren, 25] Préparation Appariement Intégration Appariement des schémas Intégration des schémas BD BD2 Étude des schémas, des données et des spécifications Appariement des données BD BD2 Intégration des données BD Intégrée Se fait par analyse des spécifications, des schémas et des données 7
11 L intégration de données géographiques. Analyse et préparation des BDG: Utilisation de formats d échanges (normes) et d outils de conversion Traduction des schémas dans un langage de modélisation commun Rapprochement des structurations Explicitation de l implicite Transformation des géométries dans une projection commune L intégration de données géographiques 2. Appariement des schémas conceptuels de données des BGD: «Quelles classes des deux bases à intégrer représentent un même type d entité géographique du monde réel?» Mise en correspondance des éléments du schéma classes attributs et valeurs d attributs relations Se fait par analyse : des schémas des spécifications des données 7
12 L intégration de données géographiques Mise en correspondance des classes des deux jeux de données Mise en correspondance des attributs des classes des deux jeux de données 72
13 BDTOPO BDCARTO Classe Attribut Valeur Valeur Attribut Classe Baie Baie, golfe, anse, crique, calanque, espace marin divers Hydronyme Nature Banc Glacier Banc, haut-fond Glacier Nature Toponyme d hydrographie surfacique Lac Etang, lac Marais Marais, marécage, saline Marais Marais, tourbière Hydronyme Nature Marais Marais salant Nature Zone d occupation du sol Glacier Glacier, Névé Cascade Chute d eau, cascade remarquable Hydronyme Nature Embouchure Embouchure, estuaire, delta, perte Nature Nœud hydrographique Perte Embouchure, estuaire, delta, perte Point d eau Source simple, confluent Point d eau Nature Station de pompage Station de pompage Nature Point d eau isolé Source Source simple, confluent Point d eau Nature Source Source d intérêt touristique Nature Noeud hydrographique Canalisation Nature Eau Aqueduc, conduite forcée Nature Tronçon hydrographique Tronçon de laisse Nature Hautes mers Basses mers Limite des plus hautes eaux Limite des plus basses eaux Nature Laisse Surface d eau Nature Surface d eau Bassin Eau libre Eau libre Nature Zone d occupation du sol L intégration de données géographiques 3. Définition du schéma intégré, avec ou sans représentation multiple Bases de données indépendantes Rivière Nom Largeur Rivière 2 Nom Débit Fusion Représentation multiple Rivière Nom Largeur Débit Rivière Nom Largeur Correspondance Rivière 2 Nom Débit Pivot Rivière Nom Rivière Rivière 2 Largeur Débit 73
14 L intégration de données géographiques 4. Appariement des données: «Quels objets des deux bases représentent une même entité géographique du monde réel?» (objets homologues) 5. Intégration des données: (réconciliation de références) Traitement des redondances Traitement des incohérences L intégration de données géographiques Représenter les liens de correspondance en fonction des besoins OU 74
15 Appariement de schémas L'intégration des bases de données géographiques Thèse de Nils Gesbert (25): Etude de la formalisation des spécifications de bases de données géographiques en vue de leur intégration. But: Appariement de schémas de bases de données géographiques à l aide d une ontologie commune. Problèmes d'interopérabilité sémantique: que contiennent réellement les classes de chaque base de données? 75
16 L'intégration des bases de données géographiques En philosophie: Etude de l Être en tant qu Être En IA: Spécification explicite d une conceptualisation (Gruber, 993) L'intégration des bases de données géographiques [ ] une ontologie implique ou comprend une certaine vue du monde vis à vis d'un domaine donné. Cette vue est souvent conçue comme un ensemble de concepts (par exemple, des entités, des attributs et des processus), leurs définitions et les relations qui existent entre eux. On appelle cela une conceptualisation. [...] l'usage le plus fréquent, et c'est pourquoi nous allons l'adopter, est qu'une ontologie est une représentation explicite d'une conceptualisation (ou d'une partie d'une conceptualisation). [...] Une ontologie peut prendre différentes formes mais elle inclura nécessairement un vocabulaire de termes et une spécification de leur signification (i.e. des définitions). (Uschold et Gruninger, 996) 76
17 L intégration de données géographiques [Gesbert 25] Data Data 2 L intégration de données géographiques [Gesbert 25] Data Data 2 77
18 L'intégration des bases de données géographiques [Gesbert 25] L intégration de données géographiques Data Data 2 78
19 Ce langage formel : L'intégration des bases de données géographiques Etablit les liens entre: les concepts géographiques de l ontologie du domaine les classes des SCD des bases de données géographiques qui les représentent Décrit de façon formelle les règles de: «sélection», «agrégation», «découpage», «instanciation» des entités du monde réel au sein de la base, qui sont décrites en langage naturel dans les spécifications. Pour un type d entités géographiques donné (i.e. pour un concept de l ontologie du domaine), l ensemble de ces règles formalisées est appelé «procédure de représentation» L'intégration des bases de données géographiques Extrait de la grammaire BNF du langage formel défini par Nils Gesbert 79
20 L'intégration des bases de données géographiques [Gesbert 25] <?xml version="." encoding=«utf- 8»?> <modelisation> <nom>procedure "carrefour"</nom> <nomschema> Catalogue BDTOPO </nomschema> <entitegenerale> Carrefour </entitegenerale> <entitesmodelisees> rond-point </entitesmodelisees> <entitesmodelisees> Échangeur </entitesmodelisees> <eltmodelisation xsi:type="selection">... </modelisation>x L intégration de données géographiques <?xml version="." encoding=«utf- 8»?> <modelisation> <nom>procedure "carrefour"</nom> <nomschema> Catalogue BDCARTO </nomschema> <entitegenerale> Carrefour </entitegenerale> <entitesmodelisees> rond-point </entitesmodelisees> <entitesmodelisees> Place </entitesmodelisees> <eltmodelisation xsi:type="selection">... </modelisation> Data Data 2 8
21 Intégration des bases de données à partir de la formalisation de leurs spécifications <?xml version="." encoding=«utf- 8»?> <modelisation> <nom>procedure "carrefour"</nom> <nomschema> Catalogue BDTOPO </nomschema> <entitegenerale> Carrefour </entitegenerale> <entitesmodelisees> rond-point </entitesmodelisees> <entitesmodelisees> Échangeur </entitesmodelisees> <eltmodelisation xsi:type="selection">... </modelisation>x L intégration de données géographiques <?xml version="." encoding=«utf- 8»?> <modelisation> <nom>procedure "carrefour"</nom> <nomschema> Catalogue BDCARTO </nomschema> <entitegenerale> Carrefour </entitegenerale> <entitesmodelisees> rond-point </entitesmodelisees> <entitesmodelisees> Place </entitesmodelisees> <eltmodelisation xsi:type="selection">... </modelisation> Data Data 2 <?xml version="." encoding=«utf- 8»?> <modelisation> <nom>procedure "carrefour"</nom> <nomschema> Catalogue BDTOPO </nomschema> <entitegenerale> Carrefour </entitegenerale> <entitesmodelisees> rond-point </entitesmodelisees> <entitesmodelisees> Échangeur </entitesmodelisees> <eltmodelisation xsi:type="selection">... </modelisation>x Intégration des bases de données à partir de la formalisation de leurs spécifications L intégration de données géographiques <?xml version="." encoding=«utf- 8»?> <modelisation> <nom>procedure "carrefour"</nom> <nomschema> Catalogue BDCARTO </nomschema> <entitegenerale> Carrefour </entitegenerale> <entitesmodelisees> rond-point </entitesmodelisees> <entitesmodelisees> Place </entitesmodelisees> <eltmodelisation xsi:type="selection">... </modelisation> Data Data 2 8
22 <?xml version="." encoding=«utf- 8»?> <modelisation> <nom>procedure "carrefour"</nom> <nomschema> Catalogue BDTOPO </nomschema> <entitegenerale> Carrefour </entitegenerale> <entitesmodelisees> rond-point </entitesmodelisees> <entitesmodelisees> Échangeur </entitesmodelisees> <eltmodelisation xsi:type="selection">... </modelisation>x L intégration de données géographiques <?xml version="." encoding=«utf- 8»?> <modelisation> <nom>procedure "carrefour"</nom> <nomschema> Catalogue BDCARTO </nomschema> <entitegenerale> Carrefour </entitegenerale> <entitesmodelisees> rond-point </entitesmodelisees> <entitesmodelisees> Place </entitesmodelisees> <eltmodelisation xsi:type="selection">... </modelisation> Data Data 2 Pompage Forage Puits Abreuvoir Bassin Lavoir Citerne Fontaine Source Exurgence Résurgence 82
23 Structurées Point d eau isa Source isa isa Résurgence Exurgence 83
24 Appariement de données Appariement de données Le thème «administratif» BDCarto BDTopo 84
25 Le thème «administratif» Appariement de données Critère d appariement possible: C est un des rares thèmes où les objets possèdent un identifiant (le code INSEE) Difficultés: Les deux bases peuvent présenter des différences d actualité: des regroupements, des scissions, ou des modification de limite peuvent avoir eu lieu Il va falloir gérer des liens d appariement de type :n Les deux bases présentent des niveaux de détail différents: des écarts géométriques importants peuvent intervenir Comment définir les limites géométriques du découpage administratif? Quelle référence respecter? Appariement de données Le thème «routier» BDCarto BDTopo 85
26 Appariement de données Le thème «routier» Critères d appariement possibles: distance, orientation, nature, relations topologiques, numéros de routes Difficultés: Les deux bases présentent des niveaux de détail différents: découpages différents, carrefours complexes, routes à chaussées séparées, etc. On n apparie pas nécessairement à l objet le plus proche! Il va falloir gérer des liens d appariement de type :n ou n:m en tenant compte de la logique de réseau Les deux bases présentent des différences sémantiques importantes: Il va falloir tenir compte de la signification exacte de chaque attribut (ex: BDTOPO : chemin/route/piste cyclable (fonction) contre BDCARTO : revêtu/non revêtu (nature)) (cf. appariement de schémas) La BDTOPO présente des objets implicites: Il va falloir apparier les «Nœuds routiers» de la BDCARTO avec les extrémités des «Tronçons de route» de la BDTOPO Appariement de données Le thème «hydrographie» BDCarto BDTopo 86
27 Appariement de données Le thème «hydrographie»: Critères d appariement possibles: distance, orientation, nature, relations topologiques, toponymes Difficultés: Les deux bases peuvent présenter des différences d actualité (PdV à différentes dates) En raison du caractère changeant des entités géographiques représentées, on pourra avoir à gérer des différences géométriques notables Les deux bases présentent des différences sémantiques importantes Il va falloir gérer des différences de conceptualisations du monde réel (ex: les aqueducs sont des «Tronçons hydrographiques» dans la BDCARTO et des «Canalisations» dans la BDTOPO ) La BDTOPO présente des objets implicites: Il va falloir apparier les «Nœuds hydrographiques» de la BDCARTO avec les extrémités des «Tronçons hydrographiques» de la BDTOPO Appariement de données Le thème «Transport d énergie» - Réseau électrique BDCarto BDTopo 87
28 Appariement de données Le thème «Transport d énergie» - Réseau électrique Critères d appariement possibles: distance, relations topologiques Difficultés: Les deux bases présentent des niveaux de détail différents: découpages différents, postes de transformations avec des géométries différentes, etc. On n apparie pas nécessairement à l objet le plus proche! Il va falloir gérer des liens d appariement de type :n ou n:m en tenant compte de la logique de réseau Les tronçons aériens et souterrains sont représentés ensembles dans les deux bases Il va falloir distinguer les deux cas! La BDCARTO présente des objets implicites: Il va falloir apparier les «Poste de transformation» (surface) de la BDTOPO avec les extrémités de «Tronçons de ligne électrique» (nœud) de la BDCARTO Dans tous les cas on peut être confrontés à des incohérences: Objet présent dans une base et pas dans l autre en dépit des spécifications, Valeurs d attributs manquantes, Valeurs d attributs inexactes, etc. Appariement de données 88
29 Appariement de données Incohérences de valeurs d attributs sur le réseau électrique BDCarto BDTopo 63 kv 9 kv 5 kv 225 kv 4 kv Total 63 kv kv kv kv kv 9 9 Inconnu 2 Total Appariement de données: principes de base L appariement de données est guidé par l appariement de schémas. Mais on dispose de peu d identifiants communs aux différentes bases. L appariement se fait par une analyse multicritère des données: nature des objets attributs descriptifs géométrie : formes, positions relations topologiques ou autres 89
30 Appariement de données: cardinalité des liens d appariement - : différences de sélection, points de vue proches, niveaux de détail proche -n : différence de segmentation, niveaux de détail différents n-m : différences de segmentation, différents points de vue (BDC/BDG) Appariement de données: comparer les noms Les toponymes sont parfois un pseudo-identifiant mais: Noms utilisés et officiels : «Place Daumesnil», «Place Felix Eboué» Différences de langue «London», «Londres» Renommage : «Côtes du nord», «Côtes d Armor» Un toponyme pour plusieurs lieux : «Beaulieu», «Av De Gaulle» Différentes interprétations de la prononciation: «Munhoa», «Monhoa» Différentes règles de transcription : «Pékin», «Beijing» Différentes règles d écriture dans la base : «col de XXX», «XXX», «Xxx» Erreurs de saisie 9
31 Appariement de données: comparer les noms Calcul de dissimilarité entre chaînes de caractères: Distance de Levenshtein ou distance d édition Cette distance est fondée sur le nombre minimal de suppressions, d ajouts et de remplacements de caractères nécessaires pour passer d une chaîne à une autre. Exemple: d(«liste», «livre») = 2 d(«liste», «listes») = d(«liste», «lustre») = 2 [Grosso,5] Distance de Levenshtein Mesure de ressemblance pour évaluer l écart sémantique entre deux chaînes de caractères: Appariement de données: comparer les noms distance de Levenshtein (toponyme,toponyme2) r = max( longueur toponyme, longueur toponyme2) Seuils sur r : pas d écart sémantique écart sémantique faible écart sémantique important 9
32 [Samal 4] Appariement de données: comparer les noms Tokenization (découpage des chaînes de caractères en tokens, c est-à-dire en unités lexicales) Élimination de signes de ponctuation : "., ;! # $ / :? () [] _ -& {}" Calcul de distance de Levenshtein pour chaque paire de tokens issus des deux chaînes à comparer Calcul du coefficient de similarité et remplissage d une matrice «token-token»: DamLev( i, j) r = max( longueur( i), longueur( j)) Appariement de données: comparer les noms Mesure de similarité des deux chaînes calculée à partir des valeurs de la matrice de coefficients de similarité token-token: Similarité = nblignes i= valmax nbtokens / 2 i 92
33 Appariement de données: comparer les noms Permet de gérer les types d erreurs (au niveau de la chaîne et au niveau des tokens): Omissions : «Boulevard du Général Charles de Gaulle» - «Boulevard du Général de Gaulle», Substitutions : «Aéroport Charles de Gaulle» - «Aéroport de Paris», Transpositions : «Institut Géographique National» - «Institut National Géographique», Abréviations : «Boulevard de Général Charles de Gaulle» - «Bld du Gal de Gaulle», Erreurs de frappe : «monhoa», «munhoa» Appariement de données: comparer les géométries Outils pour sélectionner les objets candidats : Le but est de définir «grossièrement» un espace de candidats à l appariement probables en se basant sur leur proximité par rapport à l objet cible: On va raisonner soit sur la distance soit sur la zone d influence distance minimale, distance moyenne, distance de Hausdorff (objets linéaires) rectangle englobant, périmètre englobant, diagramme de Voronoï zone tampon et bande epsilon (objets ponctuels et linéaires) distance surfacique (objets surfaciques) Un objet de la base à apparier est candidat si sa géométrie intersecte l espace de sélection ainsi défini. 93
34 Calcul des écarts de position: Distance euclidienne minimale Appariement de données: comparer les géométries d min d min2 d min =d min2 Mais cette distance n est pas toujours très significative pour les objets linéaires et surfaciques Calcul des écarts de position: Appariement de données: comparer les géométries Distance de Hausdorff (écart maximal) K 2 d 2 K d d d 2 [ dist( p, )] p = max min 2 p K p2 K2 [ dist( p, )] 2 p = max min p2 K2 p K d = max( d, d H 2) 94
35 Calcul des écarts de position: Appariement de données: comparer les géométries Distance de Hausdorff (écart maximal) Evaluer la précision L2 d d 2 L Détecter le niveau de généralisation DH L-> L2 > DH L2-> L Calcul des écarts de position: Appariement de données: comparer les géométries Distance de Hausdorff (écart maximal) Ne met pas bien en évidence les différences de forme Longueurs différentes : choisir une seule composante (demi-distance de Hausdorff) Fausse indication : la distance maximale est portée sur les extremités on garde la distance minimale 95
36 Appariement de données: comparer les géométries Calcul des écarts de position: Écart moyen entre deux lignes : surface / longueur L S L2 2.S L+L2 = On divise par la moyenne des longueurs des arc pour rendre cette mesure Indépendante de la longueur des lignes Calcul des écarts de position: Appariement de données: comparer les géométries Écart de position entre deux surfaces : distance surfacique S( A ) xxx B S( A B) A : égalité, : disjoint Utilisée pour tester l égalité entre deux surfaces xx d s (A,B) = B 96
37 Appariement de données: comparer les géométries Calcul des zones d influence: Buffer Buffer symétrique Un objet dont la distance à un point de la géométrie est inférieure à d appartient à cette zone tampon Appariement de données: comparer les géométries Calcul des zones d influence: Zones tampon de largeur variable Buffer asymétrique 97
38 Appariement de données: comparer les géométries Comparaison des formes des objets: Dsurfacique (A,B) < Dsurfacique (A,B) Ici la distance surfacique n est pas une solution satisfaisante Appariement de données: comparer les géométries Comparaison des formes des objets: Fonction à distance radiale (ou signature polygonale) : Fonction décrivant une entité surfacique par les mesures des distances séparant le centre de masse du polygone aux points composant son contour, en le parcourant dans le sens trigonométrique. Rapporter les points sur une représentation graphique en fonction de l abscisse curviligne normalisée par le périmètre du polygone. Cette fonction est invariante par translation et rotation. SP 2 :[;] R, SP( s) = ( xc x( s)) + ( yc y( s Avec xc et yc coordonnées du centre de masses de l objet Et x(s) et y(s) coordonnées du point d abscisse curviligne s Choix d un point «origine des mesures» pour la construction de la signature )) 2 Source : [Bel Hadj Ali 2] 98
39 Comparaison des formes des objets: Appariement de données: comparer les géométries Sp (m) ,,2,3,4,5,6,7,8,9 s d(m) t AB,,2,3,4,5,6,7,8,9 Arc-length (s),,2,3,4,5,6,7,8,9 La métrique associée permet de comparer les formes en minimisant le déphasage entre les deux fonctions. d(m) Arc-length (s) Comparaison des formes des objets: Appariement de données: comparer les géométries Turning Function (fonction angulaire) Fonction décrivant une entité surfacique à travers les angles formés par les segments qui composent son contour avec une demi-droite horizontale orientée selon l axe des abscisses. La métrique associée permet de comparer les formes. Choix d une direction de référence et d un point de référence. Abscisse curviligne normalisée par le périmètre du polygone. Fonction invariante par translation et homothétie. La rotation d un angle alpha se traduit par l ajout de la valeur de cet angle aux valeurs prises par la fonction angulaire Source : [Bel Hadj Ali 2] 99
40 Comparaison des formes des objets: Appariement de données: comparer les géométries Turning Function b a O ν e ν +2 π θ(s) e O c d ν O a b c d s 2π "Turning function" de l'objet A 2π "Turning function" de l'objet B π π objet (A) objet (B),2,4,6,8,2,4,6,8 Source : [Bel Hadj Ali 2] Appariement de données: apparier des points Méthode du plus proche voisin dans les deux sens Étant donnés deux objets: obj i BD, i=..n et obj k BD2, k=..m, obj i obj k, si est seulement si obj i = Ppv(obj k ) et obj k = Ppv(obj i ) Calcul de confiance : confiance = d( obji objk ) ' min( d( obj obj ), d( obj ' i k i obj k )) obj i = second Ppv(obj k )et obj k = second Ppv(obj i ) Source : [Beeri et al 23]
41 Appariement de données: apparier des points Méthode probabiliste Étant donnés deux objets: obj i BD, i=..n et obj k BD2, k=..m, obj α i k i, i=.. n BD, Pobj ( objk ) = i α d( obji, objl ) l=.. m Calcul de confiance : d( obj, obj ) α > : plus la distance entre obj i et obj k diminue, plus leur probabilité d appariement augmente confiance( obji, objk ) = Pobj ( objk ) Pobj ( obji ) i k Source : [Beeri et al 23] Appariement de données: apparier des réseaux Pré-appariement des noeuds Fondé sur la distance Euclidienne entre les noeuds. Utilise un critère sémantique, si possible, (ex : Route N2 avec route N2). Source : [Mustière 26] - Sélection des candidats : on sélectionne les nœuds BDComp les plus proches des noeuds BDRef (buffer + seuil).
42 Pré-appariement des arcs Appariement de données: apparier des réseaux Fondé sur la distance entre les arcs (distance de Hausdorff) Utilise un critère sémantique sur les arcs pour empêcher un appariement faux Source : [Mustière 26] - Sélection des candidats : on sélectionne les arcs BDComp les plus proches des arcs BDRef (distance de Hausdorff + seuil). Appariement des noeuds Appariement de données: apparier des réseaux Fondé sur la comparaison de l organisation topologique des réseaux Dépend des pré-appariements des nœuds et des arcs Crée des liens - et -n. Source : [Mustière 26] 2
43 Appariement des arcs Appariement de données: apparier des réseaux Dépend de l appariement des nœuds et de l étape de pré-appariement des arcs Source : [Mustière 26] Appariement de données: apparier des surfaces Détection des liens d association Suppression des liens parasites Détection des liens multiples Affinement des liens n:m Source : [Bel Hadj Ali, ] 3
44 Appariement de données: apparier des surfaces A C B D E F Jeu de données # Jeu de données #2 Calcul de l intersection des deux JDD Calcul du graphe d associations A B C D E F Graphe «bipartite incomplet» Croisement des jeux de données Appariement de données: apparier des surfaces A C B D E F Jeu de données # Jeu de données #2 2 Suppression des liens parasites si DistSurf > Seuil A B C D E F Filtrage du graphe 3 Calcul de la matrice d association: détection des liens n:m A B C D E F Simple : {5}{D} {6}{E} Multiple 4:3 {,2,3,4}{A,B,C} 4
45 Appariement de données: apparier des surfaces 4 Filtrage des liens n:m: on recherche le meilleur groupe càd celui qui minimise la distance surfacique. Pour deux groupes G et G 2 : Recherche des meilleurs sous-groupes SG et SG 2 ds((a, B ),(,2)) ds((a,),(,2)) ds((b ),(,2)) ds((a, B ),()) Min ds Appariement de données: apparier des surfaces Types de liens d appariement surfacique Liens de type : ou : Liens de type : Simple Particulier Liens de type n:m (:m, n:) 5
46 Appariement de données: prise en compte de l imprécision La localisation des objets géographiques présente: des imprécisions au sein de chaque base des précisions différentes d une base à l autre BD CARTO = référence +BD TOPO = comparaison Les toponymes attribués aux objets géographiques présentent: des différences entre noms d usage et noms officiels, des redondances, des omissions, des interprétations différentes de leur prononciation, des incertitudes, des incomplétudes. Appariement de données: prise en compte de l imprécision Vallée de Valentin col de l ouesque Munhoa l ouesque Monhoa col de peyrelue ou port vieux sallent BD CARTO = reference +BD TOPO = comparison Vallée de Valentin col de peyrelue 6
47 Appariement de données: prise en compte de l imprécision Il faut pouvoir modéliser et prendre en compte toutes ces incertitudes, imperfections et incomplétudes: théorie de l évidence ) Pour chaque objet de la BDG, on sélectionne les objets les plus proches dans la BDG2. Pour un obji, le cadre de discernement est un ensemble d hypothèses selon lesquelles «le candidat Cj est l homologue de l objet obji». Θ obj i = { appc, appc 2, appc 3,... appc N, NA} 2) Le référentiel de définition contient toutes les combinaisons possibles de hypothèses définies dans le cadre de discernement: Θobji = { appc, appc,...{ appc, appc },...{ appc,... appc, NA}, NA} N Appariement de données: prise en compte de l imprécision 3) Parmi ces hypothèses, on conserve: appcj = l objet obji est apparié à Cj appcj = {appc, appc 2, appc j-, appc j+, appc N, NA} = l objet obji est apparié à un autre candidat que Cj Θ = {appc, appc 2, appc j appc N, NA} = on ne sait pas Et pour chaque critère d appariement (géométrie, toponymie, etc) que l on souhaite utiliser, on calcule les masses de croyance de ces hypothèses, Θ telles que: m(appcj) + m( appcj) + m( ) = 7
48 Exemple: Appariement de données: prise en compte de l imprécision o X o X C 4 X C5 o X C 3 RF o X C 2 o = RDB2, objet de référence X = CDB, objet de comparaison X C Θ = { C, C, C, C, C, NA} Θ 2 2 = {{C },{C2},{C,C },..., Θ} Critère Géométrique m(c i ) d m(c i ) m(c i ) E =5 m d T =5 characters d S =.3 Critère Toponymique Critère sémantique [Mustière et al., 26].5. m( C i ) d E m( C i ) d T m( C i ) d S m(θ) d E m(θ) d T m(θ) d S T T 2 d E T d T T d S 8
49 Appariement de données: prise en compte de l imprécision Critère sémantique: calcul de similarité sémantique (similarité de Wu-Palmer) sur une taxonomie du domaine Sim (C, C 2 ) = (2*prof(C)) / (prof c (C )+prof c (C 2 )) Abadie et al, 27 Appariement de données: prise en compte de l imprécision 4) Fusion des critères: Pour chaque candidat Cj, on fusionne les critères d appariement avec l opérateur de Dempster.(Présenté ici pour deux critères) m( H ) = m( φ) m ( H ') m2( H" ) H ' H " = H m(φ) Représente la contradiction entre les critères d appariement 9
50 Critère Géométrique m(c i ) Critère Toponymique m(c i ) Critère sémantique [Mustière et al., 26] m(c i ) d S = m( C i ) d E m 2 (C i ).5 m( C i ) d T m 23 (C i ) m( C i ) d S.25 m(θ) d E m(θ) d T m(θ) d S T T 2 d E T d T T d S Appariement de données: prise en compte de l imprécision 5) Fusion des candidats: Cette étape est nécessaire pour faire apparaître les cas où l ojbi n a pas d homologue. On utilise de nouveau l opérateur de Dempster. On obtient ainsi: m..n (appc ), m..n (appc 2 ) m..n ( appc ), m..n ( appc 2 ) Θ m..n (NA), m..n ( ), m..n (Ø)
51 Appariement de données: prise en compte de l imprécision 6) Prise de décision: il s agit de décider quel candidat à l appariement est le meilleur (on pourra éventuellement obtenir le cas NA). Calcul de la probabilité pignistique (privilégie les hypothèses simples on cherche à obtenir des liens :) P ( B) = Θ A 2 m( A) B A A A = nombre d hypothèses simples contenus dans la proposition A Appariement de données: prise en compte de l imprécision Quelques résultats BD CARTO = référence +BD TOPO = comparaison Source : [Olteanu 27]
52 Quelques résultats + + Appariement de données: prise en compte de l imprécision Cas où l hypothèse NA l emporte + BD CARTO = référence +BD TOPO = comparaison Source : [Olteanu 27] Appariement de données: prise en compte de l imprécision Quelques résultats + + Source : [Olteanu 27] + + BDCarto : sommet BDTopo: col BD CARTO = référence +BD TOPO = comparaison 2
53 ? 3
B.7 Formalisation des spécifications des bases de données géographiques
B.7 Formalisation des spécifications des bases de données géographiques Nils Gesbert Introduction La sémantique précise des objets contenus dans une base de données géographiques vecteur est décrite par
Plus en détailIntégration du référentiel hydrographique Bd Carthage dans le Système d Information de l agence de l eau Adour Garonne
Intégration du référentiel hydrographique Bd Carthage dans le Système d Information de l agence de l eau Adour Garonne point de vue sur l importance attributaire d un référentiel 1 Plan de la présentation
Plus en détailTrait de côte Histolitt v1.0 Descriptif technique Version du document 1.0 *** Sommaire
Trait de côte Histolitt v1.0 Descriptif technique Version du document 1.0 *** Sommaire 1 Producteurs 2 Dénomination du produit 3 Protection militaire 4 Abréviations 5 Description générale 1. Définition
Plus en détailBD ADRESSE. Version 2.1. Descriptif de contenu. Institut Géographique National. www.ign.fr. Date du Document : Octobre 2011
BD ADRESSE Version 2.1 Descriptif de contenu Date du Document : Octobre 2011 Institut Géographique National 73 avenue de Paris 94165 Saint-Mandé Cedex www.ign.fr 1. GÉNÉRALITÉS...3 1.1 Ce que contient
Plus en détailFormalisation des spécifications de bases de données géographiques pour une meilleure compréhension des données
Formalisation des spécifications de bases de données géographiques pour une meilleure compréhension des données Nils Gesbert Jeune Chercheur Laboratoire COGIT, Institut Géographique National, 2/4 avenue
Plus en détailApprentissage Automatique
Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs
Plus en détailAcquérir et intégrer des données géographiques
Acquérir et intégrer des données géographiques Acquérir et intégrer des données géographiques 1) Les types de données géographiques 2) Les sources de données géographiques 3) Niveau de détail des cartes
Plus en détailLa directive INSPIRE en Wallonie: le géoportail et l infrastructure de diffusion des géodonnées en Région wallonne (InfraSIG(
La directive INSPIRE en Wallonie: le géoportail et l infrastructure de diffusion des géodonnées en Région wallonne (InfraSIG( InfraSIG) Jean-Pierre KINNAERT Directeur Département de la géomatique Service
Plus en détailswisstlm 3D Version 1.3 Publication 2015 Généralités sur swisstlm 3D
Département fédéral de la défense, de la protection de la population et des sports DDPS Office fédéral de topographie swisstopo swisstlm 3D Version 1.3 Publication 2015 Généralités sur swisstlm 3D Le modèle
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailInformation utiles. cinzia.digiusto@gmail.com. webpage : Google+ : http://www.ibisc.univ-evry.fr/ digiusto/
Systèmes de gestion de bases de données Introduction Université d Evry Val d Essonne, IBISC utiles email : cinzia.digiusto@gmail.com webpage : http://www.ibisc.univ-evry.fr/ digiusto/ Google+ : https://plus.google.com/u/0/b/103572780965897723237/
Plus en détailN. Paparoditis, Laboratoire MATIS
N. Paparoditis, Laboratoire MATIS Contexte: Diffusion de données et services locaux STEREOPOLIS II Un véhicule de numérisation mobile terrestre Lasers Caméras Système de navigation/positionnement STEREOPOLIS
Plus en détailBases de Données. Le cas des BD relationnelles ouverture sur les BD relationnelles spatiales Séance 2 : Mise en oeuvre
Bases de Données Le cas des BD relationnelles ouverture sur les BD relationnelles spatiales Séance 2 : Mise en oeuvre Synthèse : conception de BD langage de modélisation famille de SGBD SGBD Analyse du
Plus en détailMise en place d'une chaîne de production raster multi-échelles
25 Février 2014 Thierry Boch tboch@esrifrance.fr Mise en place d'une chaîne de production raster multi-échelles FranceRaster Programme FranceRaster v4 Le produit "France Raster", coédition Esri France
Plus en détailChapitre 1 : Introduction aux bases de données
Chapitre 1 : Introduction aux bases de données Les Bases de Données occupent aujourd'hui une place de plus en plus importante dans les systèmes informatiques. Les Systèmes de Gestion de Bases de Données
Plus en détailI Mise en place d un SIG pour la gestion des équipements sur les routes départementales de la Loire I
I Mise en place d un SIG pour la gestion des équipements sur les routes départementales de la Loire I I Déroulement de la présentation I Les missions de la cellule programmation Le patrimoine routier Le
Plus en détailAnalyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57
Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation
Plus en détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailTOUT CE QU IL FAUT SAVOIR POUR LE BREVET
TOUT E QU IL FUT SVOIR POUR LE REVET NUMERIQUE / FONTIONS eci n est qu un rappel de tout ce qu il faut savoir en maths pour le brevet. I- Opérations sur les nombres et les fractions : Les priorités par
Plus en détailReprésentation géométrique d un nombre complexe
CHAPITRE 1 NOMBRES COMPLEXES 1 Représentation géométrique d un nombre complexe 1. Ensemble des nombres complexes Soit i le nombre tel que i = 1 L ensemble des nombres complexes est l ensemble des nombres
Plus en détailUniversité de Bangui. Modélisons en UML
Université de Bangui CRM Modélisons en UML Ce cours a été possible grâce à l initiative d Apollinaire MOLAYE qui m a contacté pour vous faire bénéficier de mes connaissances en nouvelles technologies et
Plus en détailConception des bases de données : Modèle Entité-Association
Conception des bases de données : Modèle Entité-Association La modélisation d un problème, c est-à-dire le passage du monde réel à sa représentation informatique, se définit en plusieurs étapes pour parvenir
Plus en détailLe Système d Information Routier
Le Système d Information Routier CONTEXTE DU PROJET : 2004 INSTITUTIONNEL : ACTE II DE LA DECENTRALISATION La loi du 13 août 2004 relative aux libertés et Responsabilités locales a prévu dans le domaine
Plus en détailIntroduction au datamining
Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des
Plus en détailChapitre 5 LE MODELE ENTITE - ASSOCIATION
Chapitre 5 LE MODELE ENTITE - ASSOCIATION 1 Introduction Conception d une base de données Domaine d application complexe : description abstraite des concepts indépendamment de leur implémentation sous
Plus en détailBD PARCELLAIRE. Version 1.2. Descriptif de contenu Format DXF. www.ign.fr. Révisé le : Avril 2012. Date du Document : Avril 2011
BD PARCELLAIRE Version 1.2 Descriptif de contenu Format DXF Date du Document : Avril 2011 Révisé le : Avril 2012 www.ign.fr BD PARCELLAIRE Version 1.2 Format DXF Descriptif de contenu Création du document
Plus en détailCOURS EULER: PROGRAMME DE LA PREMIÈRE ANNÉE
COURS EULER: PROGRAMME DE LA PREMIÈRE ANNÉE Le cours de la première année concerne les sujets de 9ème et 10ème années scolaires. Il y a bien sûr des différences puisque nous commençons par exemple par
Plus en détailIntégration de la dimension sémantique dans les réseaux sociaux
Intégration de la dimension sémantique dans les réseaux sociaux Application : systèmes de recommandation Maria Malek LARIS-EISTI maria.malek@eisti.fr 1 Contexte : Recommandation dans les réseaux sociaux
Plus en détailCorrigé du baccalauréat S Pondichéry 12 avril 2007
Corrigé du baccalauréat S Pondichéry 1 avril 7 EXERCICE 1 Commun à tous les candidats 4 points 1 a Les vecteurs AB et AC ont pour coordonnées AB ; ; ) et AC 1 ; 4 ; 1) Ils ne sont manifestement pas colinéaires
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailTUTORIAL 1 ETUDE D UN MODELE SIMPLIFIE DE PORTIQUE PLAN ARTICULE
TUTORIAL 1 ETUDE D UN MODELE SIMPLIFIE DE PORTIQUE PLAN ARTICULE L'objectif de ce tutorial est de décrire les différentes étapes dans CASTOR Concept / FEM permettant d'effectuer l'analyse statique d'une
Plus en détailProcessus d intégration et d appariement de Bases de Données Géographiques Application à une base de données routières multi-échelles
Université de Versailles - Thèse de Doctorat de Méthodes Informatiques soutenue le 12 décembre 1997 - Institut Géographique National (IGN) Laboratoire COGIT Processus d intégration et d appariement de
Plus en détailTerritoire3D. Descriptif de contenu. Institut Géographique National. www.ign.fr. Date du Document : Mars 2011
Territoire3D Descriptif de contenu Date du Document : Mars 2011 Institut Géographique National 73 avenue de Paris 94165 Saint-Mandé Cedex www.ign.fr Révision : Spécifications externes A 18/03/2011 Création
Plus en détailDeux disques dans un carré
Deux disques dans un carré Table des matières 1 Fiche résumé 2 2 Fiche élève Seconde - version 1 3 2.1 Le problème............................................... 3 2.2 Construction de la figure avec geogebra...............................
Plus en détailJe catalogue, tu FRBRises, il/elle googlise. L évolution des catalogues et les bibliothécaires Vendredi 29 mars 2013 Manufacture des tabacs
Je catalogue, tu FRBRises, il/elle googlise. L évolution des catalogues et les bibliothécaires Vendredi 29 mars 2013 Manufacture des tabacs Journée organisée par le CRFCB Midi-Pyrénées / Languedoc-Roussillon
Plus en détailSystèmes d information et bases de données (niveau 1)
Systèmes d information et bases de données (niveau 1) Cours N 1 Violaine Prince Plan du cours 1. Bibliographie 2. Introduction aux bases de données 3. Les modèles 1. Hiérarchique 2. Réseau 3. Relationnel
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailbasée sur le cours de Bertrand Legal, maître de conférences à l ENSEIRB www.enseirb.fr/~legal Olivier Augereau Formation UML
basée sur le cours de Bertrand Legal, maître de conférences à l ENSEIRB www.enseirb.fr/~legal Olivier Augereau Formation UML http://olivier-augereau.com Sommaire Introduction I) Les bases II) Les diagrammes
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailGlossaire. base de données géographiques Voir géodatabase (GDB).
Glossaire analyse Processus d identification d une question ou d un problème à résoudre, de modélisation de ce problème, de recherche des résultats de modélisation, d interprétation des résultats, d élaboration
Plus en détailCycle de vie du logiciel. Unified Modeling Language UML. UML: définition. Développement Logiciel. Salima Hassas. Unified Modeling Language
Unified Modeling Language UML Salima Hassas Version Cycle de vie du logiciel Client Besoins Déploiement Analyse Test Conception Cours sur la base des transparents de : Gioavanna Di Marzo Serugendo et Frédéric
Plus en détailGéoréférencement et RGF93
Géoréférencement et RGF93 Théorie et concepts - Fiche T3 Les projections coniques conformes 9 zones T3 Décembre 2008 2008/54 Historique Ces projections ont été définies par l'ign, suite à une recommandation
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détailExemple accessible via une interface Web. Bases de données et systèmes de gestion de bases de données. Généralités. Définitions
Exemple accessible via une interface Web Une base de données consultable en ligne : Bases de données et systèmes de gestion de bases de données The Trans-atlantic slave trade database: http://www.slavevoyages.org/tast/index.faces
Plus en détailLes algorithmes de base du graphisme
Les algorithmes de base du graphisme Table des matières 1 Traçage 2 1.1 Segments de droites......................... 2 1.1.1 Algorithmes simples.................... 3 1.1.2 Algorithmes de Bresenham (1965).............
Plus en détailIntelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com
Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines
Plus en détailChapitre 2 : Caractéristiques du mouvement d un solide
Chapitre 2 : Caractéristiques du mouvement d un solide I Rappels : Référentiel : Le mouvement d un corps est décris par rapport à un corps de référence et dépend du choix de ce corps. Ce corps de référence
Plus en détail1 radian. De même, la longueur d un arc de cercle de rayon R et dont l angle au centre a pour mesure α radians est α R. R AB =R.
Angles orientés Trigonométrie I. Préliminaires. Le radian Définition B R AB =R C O radian R A Soit C un cercle de centre O. Dire que l angle géométrique AOB a pour mesure radian signifie que la longueur
Plus en détail1 Introduction et installation
TP d introduction aux bases de données 1 TP d introduction aux bases de données Le but de ce TP est d apprendre à manipuler des bases de données. Dans le cadre du programme d informatique pour tous, on
Plus en détailRésumé CONCEPTEUR, INTEGRATEUR, OPERATEUR DE SYSTEMES CRITIQUES
Aristote ----- Cloud Interopérabilité Retour d'expérience L A F O R C E D E L I N N O V A T I O N Résumé Les systèmes d'information logistique (SIL) sont des outils qui amènent des gains de productivité
Plus en détailSupport de TD ArcGIS 10.1. Introduction à l automatisation et au développement avec ArcGIS 10.1 JEAN-MARC GILLIOT 2014-2015. 3 e année ingénieur
JEAN-MARC GILLIOT 2014-2015 Durée 1,5 heures Introduction à l automatisation et au développement avec ArcGIS 10.1 3 e année ingénieur Support de TD ArcGIS 10.1 Grande école européenne d'ingénieurs et de
Plus en détailConsignes pour la remise des données RESEAU
Consignes pour la remise des données RESEAU Le système RESEAU permet principalement de transférer et de regrouper des géodonnées provenant de différentes bases de données des services des eaux (= fichier
Plus en détailObjectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique
Objectifs Clustering On ne sait pas ce qu on veut trouver : on laisse l algorithme nous proposer un modèle. On pense qu il existe des similarités entre les exemples. Qui se ressemble s assemble p. /55
Plus en détailResolution limit in community detection
Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.
Plus en détailCréer et partager des fichiers
Créer et partager des fichiers Le rôle Services de fichiers... 246 Les autorisations de fichiers NTFS... 255 Recherche de comptes d utilisateurs et d ordinateurs dans Active Directory... 262 Délégation
Plus en détailChapitre 5 : Flot maximal dans un graphe
Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d
Plus en détailQu est-ce qu une probabilité?
Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont
Plus en détailUtilisation du SIG dans une entreprise industrielle pour l analyse et la prise de décision
309 Schedae, 2007 Prépublication n 47 Fascicule n 2 Utilisation du SIG dans une entreprise industrielle pour l analyse et la prise de décision Mohamed Najeh Lakhoua UR : Système, Énergétique, Productique
Plus en détailLIDAR LAUSANNE 2012. Nouvelles données altimétriques sur l agglomération lausannoise par technologie laser aéroporté et ses produits dérivés
LIDAR LAUSANNE 2012 Nouvelles données altimétriques sur l agglomération lausannoise par technologie laser aéroporté et ses produits dérivés LIDAR 2012, nouveaux modèles altimétriques 1 Affaire 94022 /
Plus en détailLa Geo-Business Intelligence selon GALIGEO avec 26/10/2005 1
La Geo-Business Intelligence selon GALIGEO avec ESRI 2005 session «Décisionnel» 26/10/2005 1 La Business Intelligence : Une Définition La Business intelligence permet l utilisation des données opérationnelles
Plus en détailet les Systèmes Multidimensionnels
Le Data Warehouse et les Systèmes Multidimensionnels 1 1. Définition d un Datawarehouse (DW) Le Datawarehouse est une collection de données orientées sujet, intégrées, non volatiles et historisées, organisées
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailPlan. Exemple: Application bancaire. Introduction. OCL Object Constraint Language Le langage de contraintes d'uml
OCL Object Constraint Language Le langage de contraintes d'uml Plan 1. Introduction 2. Les principaux concepts d'ocl Object Constraint Language 1 Object Constraint Language 2 Exemple: une application bancaire
Plus en détailDe la modélisation linguistique aux applications logicielles: le rôle des Entités Nommées en Traitement Automatique des Langues
De la modélisation linguistique aux applications logicielles: le rôle des Entités Nommées en Traitement Automatique des Langues Maud Ehrmann Joint Research Centre Ispra, Italie. Guillaume Jacquet Xerox
Plus en détailEXERCICES DE REVISIONS MATHEMATIQUES CM2
EXERCICES DE REVISIONS MATHEMATIQUES CM2 NOMBRES ET CALCUL Exercices FRACTIONS Nommer les fractions simples et décimales en utilisant le vocabulaire : 3 R1 demi, tiers, quart, dixième, centième. Utiliser
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailAUTRES ASPECTS DU GPS. Partie I : tolérance de Battement Partie II : tolérancement par frontières
AUTRES ASPECTS DU GPS Partie I : tolérance de Battement Partie II : tolérancement par frontières 1 Partie I Tolérance de battement Défaut de Battement Défautconjuguéde forme, orientation et position, constatélorsde
Plus en détailIntroduction: 1. définition d un ETL 2. importance et diversité des données spatiales utilitédes ETL géographiques
1 2 Introduction: 1. définition d un ETL 2. importance et diversité des données spatiales utilitédes ETL géographiques 3 ETL = extracto-chargeur = datadumping La Business Intelligence, BI, (ou informatique
Plus en détailSciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION
Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION Classe de terminale de la série Sciences et Technologie du Management et de la Gestion Préambule Présentation Les technologies de l information
Plus en détailChap. 3: Le modèle de données entité-association (E.A.)
Chap. 3: Le modèle de données entité-association (E.A.) En anglais: Entity-Relationship (ER) Origines: C.Bachman (1969), P.Chen (1976). Modèle de données > décrire la réalité perçue à travers les données
Plus en détailAGRÉGATION «ÉCONOMIE ET GESTION»
AGRÉGATION «ÉCONOMIE ET GESTION» CONCOURS INTERNE SESSION 2002 ÉPREUVE SUR LES TECHNIQUES DE GESTION ET COMPORTANT DES ASPECTS PÉDAGOGIQUES DOMAINE : économie et gestion informatique Durée de préparation
Plus en détailCahier des Clauses techniquesparticulières
ARCHES PUBLICS MAIRIE DE BASTIA Avenue Pierre Guidicelli 20410 BASTIA CEDEX MARCHE D ETUDES A MAITRISE D OUVRAGE EN VUE DE L ORIENTATION ET DU DEVELOPPEMENT DU SYTEME D INFORMATION GEOGRAPHIQUE SERVICE
Plus en détailIntroduction à la B.I. Avec SQL Server 2008
Introduction à la B.I. Avec SQL Server 2008 Version 1.0 VALENTIN Pauline 2 Introduction à la B.I. avec SQL Server 2008 Sommaire 1 Présentation de la B.I. et SQL Server 2008... 3 1.1 Présentation rapide
Plus en détailFête de la science Initiation au traitement des images
Fête de la science Initiation au traitement des images Détection automatique de plaques minéralogiques à partir d'un téléphone portable et atelier propose de créer un programme informatique pour un téléphone
Plus en détailIntroduction au maillage pour le calcul scientifique
Introduction au maillage pour le calcul scientifique CEA DAM Île-de-France, Bruyères-le-Châtel franck.ledoux@cea.fr Présentation adaptée du tutorial de Steve Owen, Sandia National Laboratories, Albuquerque,
Plus en détailInfrastructures de géodonnées. L expérience belge au niveau des régions: la Wallonie
Infrastructures de géodonnées. L expérience belge au niveau des régions: la Wallonie Jean-Pierre KINNAERT Directeur Département de la Géomatique Service public de Wallonie Représentant belge au Comité
Plus en détailLA PHYSIQUE DES MATERIAUX. Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE
LA PHYSIQUE DES MATERIAUX Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE Pr. A. Belayachi Université Mohammed V Agdal Faculté des Sciences Rabat Département de Physique - L.P.M belayach@fsr.ac.ma 1 1.Le réseau
Plus en détailUML (Diagramme de classes) Unified Modeling Language
UML (Diagramme de classes) Unified Modeling Language Sommaire Introduction Objectifs Diagramme de classes Classe (Nom, attribut, opération) Visibilité et portée des constituants d une classe Association
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
Plus en détailOASIS www.oasis-open.org/committees/xacml/docs/docs.shtml Date de publication
Statut du Committee Working Draft document Titre XACML Language Proposal, version 0.8 (XACML : XML Access Control Markup Language) Langage de balisage du contrôle d'accès Mot clé Attestation et sécurité
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université
Plus en détailModèle des mobilités de loisirs
Département de l'économie, de l'énergie et du territoire Service du développement territorial Departement für Volkswirtschaft, Energie und Raumentwicklung Dienststelle für Raumentwicklung Recommandation
Plus en détailIntégration de données hétérogènes et réparties. Anne Doucet Anne.Doucet@lip6.fr
Intégration de données hétérogènes et réparties Anne Doucet Anne.Doucet@lip6.fr 1 Plan Intégration de données Architectures d intégration Approche matérialisée Approche virtuelle Médiateurs Conception
Plus en détailPetit lexique de calcul à l usage des élèves de sixième et de cinquième par M. PARCABE, professeur au collège Alain FOURNIER de BORDEAUX, mars 2007
Petit lexique de calcul à l usage des élèves de sixième et de cinquième par M. PARCABE, professeur au collège Alain FOURNIER de BORDEAUX, mars 2007 page 1 / 10 abscisse addition additionner ajouter appliquer
Plus en détailEtat de l art des systèmes d information géographique. Hervé Brunel. 3 avril 2005
Etat de l art des systèmes d information géographique Hervé Brunel 3 avril 2005 Cette étude a été réalisée dans le cadre de l examen probatoire au mémoire d ingénieur, spécialité systèmes d information.
Plus en détailSOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique
SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique DOMAINE P3.C3.D1. Pratiquer une démarche scientifique et technologique, résoudre des
Plus en détailUE 4 Comptabilité et Audit. Le programme
UE 4 Comptabilité et Audit Le programme Légende : Modifications de l arrêté du 8 mars 2010 Suppressions de l arrêté du 8 mars 2010 Partie inchangée par rapport au programme antérieur 1. Information comptable
Plus en détailChapitre 0 Introduction à la cinématique
Chapitre 0 Introduction à la cinématique Plan Vitesse, accélération Coordonnées polaires Exercices corrigés Vitesse, Accélération La cinématique est l étude du mouvement Elle suppose donc l existence à
Plus en détailReconstruction de bâtiments en 3D à partir de nuages de points LIDAR
Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR Mickaël Bergem 25 juin 2014 Maillages et applications 1 Table des matières Introduction 3 1 La modélisation numérique de milieux urbains
Plus en détailBUSINESS INTELLIGENCE
GUIDE COMPARATIF BUSINESS INTELLIGENCE www.viseo.com Table des matières Business Intelligence :... 2 Contexte et objectifs... 2 Une architecture spécifique... 2 Les outils de Business intelligence... 3
Plus en détailSECTION 5 BANQUE DE PROJETS
SECTION 5 BANQUE DE PROJETS INF 4018 BANQUE DE PROJETS - 1 - Banque de projets PROJET 2.1 : APPLICATION LOGICIELLE... 3 PROJET 2.2 : SITE WEB SÉMANTIQUE AVEC XML... 5 PROJET 2.3 : E-LEARNING ET FORMATION
Plus en détailFonctions de plusieurs variables
Maths MP Exercices Fonctions de plusieurs variables Les indications ne sont ici que pour être consultées après le T (pour les exercices non traités). Avant et pendant le T, tenez bon et n allez pas les
Plus en détailProtocole de constitution d une base de données 1960
Protocole de constitution d une base de données 1960 Rapport numéro Titre Rédigé par Etat (en cours / final) Relu par L2.0-3 Constitution d'une base de données topographique vectorielle à partir des cartes
Plus en détailContrainte de flot pour RCPSP avec temps de transfert
Contrainte de flot et x-rcpsc T 1 Contrainte de flot pour RCPSP avec temps de transfert PS temp, s ij Cmax BENOIST Thierry BOUYGUES/e-Lab DIAMANTINI Maurice ENSTA/LMA Contrainte de flot et x-rcpsc T Présentation
Plus en détail10 leçon 2. Leçon n 2 : Contact entre deux solides. Frottement de glissement. Exemples. (PC ou 1 er CU)
0 leçon 2 Leçon n 2 : Contact entre deu solides Frottement de glissement Eemples (PC ou er CU) Introduction Contact entre deu solides Liaisons de contact 2 Contact ponctuel 2 Frottement de glissement 2
Plus en détailDocumentation Administrateur
Documentation Administrateur Gestion des droits Comprendre Gestion des fiches Gestion des extensions Réaliser Gestion des utilisateurs Accompagner Gestion des thèmes Siège social : 24 av de l Europe 44
Plus en détailGestion des Clés Publiques (PKI)
Chapitre 3 Gestion des Clés Publiques (PKI) L infrastructure de gestion de clés publiques (PKI : Public Key Infrastructure) représente l ensemble des moyens matériels et logiciels assurant la gestion des
Plus en détailLES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN
LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN Les contenues de ce document sont la propriété exclusive de la société REVER. Ils ne sont transmis qu à titre d information et ne peuvent en aucun cas
Plus en détail