Sélection optimale de capteurs de référence pour le stockage de données spatialement corrélées
26eme Colloque GRETSI Traitement du Signal & des Images, GRETSI 2017, 2017•inria.hal.science
Les nouvelles politiques urbaines s' intéressent de près aux villes intelligentes hautement
instrumentées faisant naître ainsi des problématiques de gestion et stockage d'un large
volume de données émanant d'un nombre croissant de sources. Cette étude détaille une
méthode de compression par codage prédictif de données multisources spatialement
corrélées, basée sur l'expression de sources de références et l'utilisation du Krigeage
comme méthode de prédiction Abstract–Highly instrumented Smart-cities, which are now a …
instrumentées faisant naître ainsi des problématiques de gestion et stockage d'un large
volume de données émanant d'un nombre croissant de sources. Cette étude détaille une
méthode de compression par codage prédictif de données multisources spatialement
corrélées, basée sur l'expression de sources de références et l'utilisation du Krigeage
comme méthode de prédiction Abstract–Highly instrumented Smart-cities, which are now a …
Resume
Les nouvelles politiques urbaines s’ intéressent de près aux villes intelligentes hautement instrumentées faisant naître ainsi des problématiques de gestion et stockage d’un large volume de données émanant d’un nombre croissant de sources. Cette étude détaille une méthode de compression par codage prédictif de données multisources spatialement corrélées, basée sur l’expression de sources de références et l’utilisation du Krigeage comme méthode de prédiction
Abstract–Highly instrumented Smart-cities, which are now a common urban policies, are facing problems of management and storage of a large volume of data coming from an increasing number of sources. This study presents a data compression method by predictive coding of spatially correlated multi-source data based on reference selection and prediction by Kriging
inria.hal.science
以上显示的是最相近的搜索结果。 查看全部搜索结果