Sélection de contraintes pour la classification topologique semi-supervisée
Résumé
Dans ce papier, nous proposons d'adapter la version batch de l'algorithme de Kohonen basée sur les cartes auto-organisatrices (SOM) aux informations éventuellement portées par les données étiquetées et imposées dans la classification des données non étiquetées (sous formes de contraintes). Il s'agit de la classification sous contraintes avec SOM dans un paradigme bien déterministe. Dans ce contexte nous adaptons la classification topologique à un ensemble de contraintes ; le faite qu'elles soit informatives et cohérentes entre elles permet de mesurer leur utilité dans le processus d'apprentissage semi-supervisé. Ces mesures représentent un moyen efficace pour sélectionner les contraintes les plus utiles pour l'algorithme proposé. Les expériences seront appliquées sur plusieurs bases de données pour valider notre approche en comparaison avec d'autres méthodes de classification sous contraintes.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...