Analyser la façon dont un environnement spatial est décrit dans un texte, ou dans des données spatiales, est un problème ouvert, parce que cette information est contextuelle et porte sur des caractéristiques de forme
Pour les textes, la principale difficulté tient au fonctionnement des langues naturelles, associé à la grande malléabilité (polysémie) des marqueurs linguistiques.
Pour les données urbaines, la forme et la configuration spatiale ne peuvent pas être captées par une série d’indicateurs, d’autant plus qu’il est nécessaire de raisonner à plusieurs échelles.
L’analyse multifractale multivariée permet de construire des paramètres pertinents pour caractériser des invariances d’échelle entre signaux corrélés. L’objectif du projet est donc de développer ces méthodes sur les signaux créées à partir de marqueurs spatiaux ou linguistiques et d’obtenir de nouveaux outils de classification, ou d’enrichir des outils de Deep Learning.
Partenaires
LAMA, LISAA