La théorie des jeux

Table des matières

Introduction générale
Chapitre I classification
I.1) Introduction
I.2) Domaines d’application
I.3) Les étapes d’une classification
I.4) I.4 La classification supervisée
I.4.1) Méthodes probabilistes (statistiques) ou paramétriques
I.4.2) Méthodes géométriques ou non paramétriques
I.5) Classification non supervisé ou le Clustering
I.5.1) Définition du clustering
I.5.2) Mesures de distance
I.5.3) Les méthodes de clustering
I.5.4) Les méthodes hiérarchiques
Les approches par agglomération (Bottom up approach)
Les approches par division (Top down appoach)
I.5.5) Les méthodes de partitionnement
Méthode du K-Means (Macqueen, 1967)
I.5.6) Méthodes basée sur la densité
Méthodes basées sur la densité connective (Density-Based Connectivité Clustering)
Méthodes basées sur les fonctions densités (DENSITY FUNCTIONS CLUSTERING)
I.5.7) Méthode basée sur les grilles
I.6) Techniques de validation du clustering
I.6.1) L’indice de Dunn
I.6.2) L’indice C_index
I.6.3) Indice de Davies-Bouldin
I.6.4) Indice WB
I.7) Conclusion
II.1) Introduction
II.2) A quoi sert la théorie des jeux ?
II.3) Définition d’un jeu
II.4) Fonction de gains (fonction d’utilités)
II.5) La modélisation des jeux
II.5.1) Forme stratégique
II.5.2) Forme extensive
II.6) Typologies des jeux
II.6.1) Jeux coopératifs / non coopératifs
II.6.2) Jeux avec décisions simultanées / séquentielles
II.6.3) jeux à information complète / incomplète
II.6.4) Jeux à information parfaite / imparfaite
II.6.5) Jeux répétés
II.7) Equilibre de Nash (Un homme d’exception)
II.8) Le clustering par la théorie des jeux
II.8.1) Kmeans et la théorie des jeux
II.8.2) Modélisation de problème sous forme d’un jeu
II.8.3) Algorithme notre approche
II.9) La différence entre le supervisé et non supervisé
II.10) Conclusion
III.1) Introduction
III.2) Langage et outils de développement
III.3) Interface de l’application
III.4) Les données
III.4.1) Les benchmark
III.5) Les résultats
III.6) Conclusion
Conclusion général
Références Bibliographique