Auteur / Autrice : | Chantal Hajjar |
Direction : | Gilles Fleury |
Type : | Thèse de doctorat |
Discipline(s) : | Traitement du Signal (STIC) |
Date : | Soutenance le 10/02/2014 |
Etablissement(s) : | Supélec |
Ecole(s) doctorale(s) : | Ecole doctorale Sciences et Technologies de l'Information, des Télécommunications et des Systèmes (Orsay, Essonne ; 2000-2015) |
Partenaire(s) de recherche : | Laboratoire : Supélec Sciences des Systèmes - EA4454 / E3S |
Jury : | Président / Présidente : Edwin Diday |
Examinateurs / Examinatrices : Lynne Billard, Hani Hamdan, Ali Asghar Mohammad Djafari | |
Rapporteurs / Rapporteuses : Stéphane Canu, Jean-Yves Tourneret |
Résumé
Cette thèse s'inscrit dans le cadre de la classification automatique de données symboliques par des méthodes géométriques bio-inspirées, plus spécifiquement par les cartes auto-organisatrices. Nous mettons en place plusieurs algorithmes d'apprentissage des cartes auto-organisatrices pour classifier des données symboliques mixtes ainsi que des données de type intervalle et des données discrétisées. Plusieurs jeux de données symboliques simulées et réelles, dont deux construits dans le cadre de cette thèse, sont utilisés pour tester les méthodes proposées. En plus, nous proposons une carte auto-organisatrice pour les données discrétisées (binned data) dans le but d'accélérer l'apprentissage des cartes classiques et nous appliquons la méthode proposée à la segmentation d'images.