Processus gaussiens parcimonieux pour la classification générative de données hétérogènes

Résumé : Nous proposons dans ce travail une famille de processus gaussiens parcimonieux permettant de construire, à partir d'un échantillon de taille finie, un classifieur génératif dans un espace de dimension (potentiellement) infinie. Ces modèles parcimonieux permettent en particulier d'utiliser des transformations non-linéaires des données projetant les observations dans un espace de dimension infinie. Nous montrons qu'il est possible de construire directement le classifieur depuis l'espace des observations au travers d'une fonction noyau. La méthode de classification proposée permet ainsi de classer des données de types variés (données qualitatives, données fonctionnelles, réseaux, ...). En particulier, il est possible de classer des données hétérogènes en combinant plusieurs fonctions noyaux. La méthodologie est également étendue au cas de la classification non supervisée (clustering).
Type de document :
Communication dans un congrès
44èmes Journées de Statistique de la Société Française de Statistique, May 2012, Bruxelles, Belgique. pp. 1-3, 2012
Liste complète des métadonnées

https://hal.archives-ouvertes.fr/hal-01700690
Contributeur : Open Archive Toulouse Archive Ouverte (oatao) <>
Soumis le : lundi 12 février 2018 - 14:18:24
Dernière modification le : mercredi 11 avril 2018 - 01:58:14
Document(s) archivé(s) le : jeudi 3 mai 2018 - 00:13:00

Fichier

Bouveyron_16326.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01700690, version 1
  • OATAO : 16326

Collections

Citation

Charles Bouveyron, Mathieu Fauvel, Stéphane Girard. Processus gaussiens parcimonieux pour la classification générative de données hétérogènes. 44èmes Journées de Statistique de la Société Française de Statistique, May 2012, Bruxelles, Belgique. pp. 1-3, 2012. 〈hal-01700690〉

Partager

Métriques

Consultations de la notice

263

Téléchargements de fichiers

25