Les méthodes de sélection d’instances

Besoin d'aide ?
somdn_product_page

(Nombre de téléchargements - 0)

Catégorie :

Pour des questions et des demandes, contactez notre service d’assistance E-mail : info@chatpfe.com

Table des matières

Remerciements
Résumé
Abstract
Table des matières
Table des figures
Liste des tableaux
Introduction
1 Motivation
2 Objectif de la thèse
3 Contribution de la thèse
4 Organisation de la thèse
I Background : Apprentissage automatique et analyse des données
1 Concepts et définitions
1.1 Matrice de données
1.2 Type d’attribut
1.3 Méthode d’évaluation
1.4 Mesures de performances
1.5 Type d’apprentissage
1.6 Algorithme de classification
2 Conclusion
II Les méthodes de sélection d’instances
1 Sélection d’instances
2 Objectif des algorithmes de sélection
3 Taxonomie des méthodes de sélection d’instances
3.1 Direction de recherche
3.2 Méthodes d’évaluation
3.3 Type de sélection
3.4 Critères d’évaluation
4 Algorithmes de sélection
4.1 Algorithme de condensation
4.2 Algorithme d’édition
4.3 Algorithme hybride
4.4 Algorithme méta-heuristique
4.5 Hybridation avec les méthodes ensembliste
4.6 Synthèse et Analyse
5 Problème de scalabilité
6 Conclusion
III Les méthodes ensemblistes
1 Construction de l’algorithme
1.1 La construction des modèles
1.2 Stratégie de diversification
1.3 La combinaison des estimations
2 Avantages
3 Algorithmes ensembliste
3.1 Échantillonnage
3.2 Bootstrap Aggregation (Bagging)
3.3 Boosting
3.4 Random Subspace Method (RMS)
3.5 Randomizing output
3.6 Forêt aléatoire
3.7 Arbre de décision : CART
3.8 Random feature selection
3.9 Forêts aléatoires à variables d’entrée aléatoires (Random Forests – RI)
3.10 Types de fôrets RF-RI
4 Conclusion
IV Approche proposée
1 Limitations des méthodes existantes
2 Le principe de sélection
2.1 Marge ensembliste non-supervisée
2.2 Etude des paramètres
2.3 Algorithme modifié EMIS
3 Expérimentation
3.1 Bases de données
3.2 Paramétrage d’EMIS
3.3 Comparaison des performances
3.4 Comparaison avec le classifieur CART
3.5 Résistance au bruit
4 Application de la sélection d’instance pour la segmentation automatique des globules blancs
4.1 État de l’art de segmentation d’images cytologique
4.2 Approche proposée
4.3 Base de données
4.4 Résultats et discussions
5 Conclusion
Conclusion et Perspectives
Bibliographie
Annexe

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *