Proposition de kernel semi-supervisé, et application au clustering visuel interactif
Résumé
Cet article décrit une nouvelle procédure de transformation de fonction noyau (dénommée kernel ci-après). La procédure vise à incorporer la supervision d'un utilisateur directement dans les valeurs de similarité entre objets. En utilisant ces similarités modifiées, l'ensemble d'objets est projeté en 2D grâce à une ACP à noyaux. Un compromis est ainsi établi entre les données originales et l'expertise d'un utilisateur, tout en offrant un moyen naturel de visualisation et d'interaction. Ces projections semi-supervisées sont évaluées sur des données réelles et synthétiques, dans un contexte simulant une tâche de clustering visuel interactif. L'action d'un utilisateur est reproduite en sélectionnant aléatoirement un sous-ensemble d'objets étiquetés a priori. Les résultats expérimentaux démontrent l'efficacité de la méthode, un seul élément étiqueté pour chaque classe réelle suffisant à introduire des effets manifestes sur la visualisation.
Domaines
Apprentissage [cs.LG]
Origine : Fichiers produits par l'(les) auteur(s)
Loading...