Publications

1. 1. Sélection numérique guidée et sélection numérique autonome d’une éclaircie dans le simulateur SimCop

– Institut National de la Recherche Agronomique (I.N.R.A.) – École Nationale du Génie Rural, des Eaux et des Forêts (E.N.G.R.E.F.) · Auteur: Patrick Millan · 30 août 2005

Publication consultable

 L’automatisation des éclaircies facilite la simulation des différents traitements et scénarii sylvicoles.
L’évaluation d’une éclaircie utilise comme critères le nombre d’arbres sélectionnés et le coefficient d’éclaircie k, auxquels est ajoutée une notion de répartition spatiale.
Trois méthodes d’évaluation de cette répartition ont été comparées, les méthodes du plus proche voisin, de l’inertie et des Quadrats.
Deux modes de sélection d’arbres ont été retenus : la sélection numérique guidée et la sélection numérique autonome.
La sélection numérique guidée permet des échantillonnages représentatifs stratifiés avec ou sans biais.
La sélection numérique autonome fait appel aux algorithmes génétiques.
Ces algorithmes nécessitent des ajustements lors de l’implémentation (pour le codage du problème, les techniques de croisement et de mutation), et lors de l’optimisation (le scaling, le sharing, ainsi que le choix des paramètres de dimensionnement du problème).

1. 1. • • • Mots clés : éclaircie, sélection numérique guidée, autonome, méthodes du plus proche voisin, inertie, Quadrats, algorithmes génétiques, scaling, sharing, dimensionnement.

         

   2. Visualisation de l’Information

– Unité de Recherche et Innovation (U.R.I.) de l’Inist (Institut de l’Information Scientifique et Technique | Centre National de la Recherche Scientifique – C.N.R.S.) · Auteur: Patrick Millan · 1 septembre 2002

Publication consultable

L’analyse de l’information nécessite l’appropriation d’une grande masse d’information dont on exclut logiquement tout parcours séquentiel.
Elle répond aux besoins de veille scientifique et technologique, et d’analyse stratégique de la recherche.
Toutes données bibliographiques et/ou textuelles est extraites et structurées, en utilisant des indicateurs comme :

1. 1. 1. • Les mots-clés, indicateurs de la connaissance véhiculée par des documents ;
         • Les classes (clusters), agrégats de mots-clés et de documents, indiquant les thèmes et centres d’intérêts regroupant une information (articles, auteurs, institutions…) ;
         • Les cartes, procurant une vision globale, et stratégique pour apprécier la position relative dans l’espace des connaissances thématiques couvertes par des items analysés.
           

L’analyste cherche à identifier dans une masse de données, l’information utile, celle comportant un intérêt pour son client.