MétaCan
Menu
Retour à la cohorte
Enregistrement W2561545456 · doi:10.1109/tgrs.2016.2632042

A Generalized Distance Transform: Theory and Applications to Weather Analysis and Forecasting

2016· article· en· W2561545456 sur OpenAlexaff
Dominique Brunet, David Sills

Notice bibliographique

RevueIEEE Transactions on Geoscience and Remote Sensing · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésHausdorff distanceMetric (unit)Dilation (metric space)Distance transformMinkowski distanceMathematical morphologyAlgorithmMathematicsHausdorff spaceComputer scienceApplied mathematicsMathematical analysisArtificial intelligenceGeometryImage processingEuclidean distanceDiscrete mathematicsImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

The distance transform (DT) (also known as distance map or distance field) is a fundamental tool of mathematical morphology. We introduce a generalized DT (GDT) that is smoother than the classical DT. This transform can be used to define a generalized Hausdorff metric that is shown to be more robust to noise while preserving all metric properties. It is also shown to lead to smoother level sets, allowing contour evolution without having to solve a partial differential equation. Two applications in weather analysis and forecasting demonstrate the usefulness of this proposed GDT. In particular, the dilation of sets according to the GDT allows the simplification of numerical weather forecasts and analysis into geometric objects, called MetObjects, and the generalized Hausdorff distance can be used as a forecast verification metric.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,971
Score d'incertitude au seuil0,511

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,237
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Geoscience and Remote SensingMême sujetRemote Sensing and LiDAR ApplicationsTravaux en français237 207