Une méthode paramétrique et robuste de classification semi-supervisée avec rejet - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2001

Une méthode paramétrique et robuste de classification semi-supervisée avec rejet

Résumé

En classification et plus généralement en apprentissage, on distingue classiquement deux approches: le cas supervisé et le cas non supervisé. On peut combiner celles-ci dans un apprentissage semi-supervisé. Dans ce cadre, on enrichit un ensemble de données non étiquetées par un certain nombre d'exemples étiquetés. Ces derniers, en proportion généralement faible, servent à guider les algorithmes de classification via leur paramétrage et leurs conditions d'initialisation. Dans cet article, nous rappelons quelques techniques actuelles de semi-supervision et références du domaine. Nous proposons une extension de l'algorithme de classification par partition que nous avons proposé dans (Saint-Jean et al., 2000) pour prendre en compte la semi-supervision. Nous proposons également une heuristique pour le choix du paramètre du M-estimateur de Huber tenant compte de la supervision partielle. Enfin, nous présentons les résultats de notre approche sur des jeux de données artificiels et standards du domaine.
Fichier principal
Vignette du fichier
Cap_2001_-_Article_5.pdf (283.79 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-00235779 , version 1 (04-02-2008)

Identifiants

  • HAL Id : hal-00235779 , version 1

Citer

Christophe Saint-Jean, Carl Frélicot. Une méthode paramétrique et robuste de classification semi-supervisée avec rejet. Conférence Francophone d'Apprentissage (CAP 2001), Jun 2001, Grenoble, France. pp.85--100. ⟨hal-00235779⟩

Collections

UNIV-ROCHELLE
85 Consultations
525 Téléchargements

Partager

Gmail Facebook X LinkedIn More