Thèse soutenue

Cartes auto-organisatrices pour la classification de données symboliques mixtes, de données de type intervalle et de données discrétisées.
FR  |  
EN
Accès à la thèse
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

FR  |  
EN

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.