Sélection de Modèles par des Méthodes à Noyaux pour la classification de données séquentielles

Résumé : Ce travail concerne le développement de méthodes de classification discriminantes pour des données séquentielles. Quelques techniques ont été proposées pour étendre aux séquences les méthodes discriminantes, comme les machines à vecteurs supports, par nature plus adaptées aux données en dimension fixe. Elles permettent de classifier des séquences complètes mais pas de réaliser la segmentation, qui consiste à reconnaître la séquence d'unités, phonèmes ou lettres par exemple, correspondant à un signal. En utilisant une correspondance donnée / modèle nous transformons le problème de l'apprentissage des modèles à partir de données par un problème de sélection de modèles, qui peut être attaqué via des méthodes du type machines à vecteurs supports. Nous proposons et évaluons divers noyaux pour cela et fournissons des résultats expérimentaux pour deux problèmes de classification.
Type de document :
Communication dans un congrès
Extraction et Gestion de Connaissances (EGC'05), Jan 2005, Paris, France. Extraction et Gestion de Connaissances (EGC'05), RNTI-E-3, pp.165-176, RNTI
Liste complète des métadonnées

https://hal.archives-ouvertes.fr/hal-01489448
Contributeur : Lip6 Publications <>
Soumis le : mardi 14 mars 2017 - 14:14:44
Dernière modification le : mercredi 21 mars 2018 - 18:58:10

Identifiants

  • HAL Id : hal-01489448, version 1

Collections

Citation

Trinh Minh Tri Do, Thierry Artières, Patrick Gallinari. Sélection de Modèles par des Méthodes à Noyaux pour la classification de données séquentielles. Extraction et Gestion de Connaissances (EGC'05), Jan 2005, Paris, France. Extraction et Gestion de Connaissances (EGC'05), RNTI-E-3, pp.165-176, RNTI. 〈hal-01489448〉

Partager

Métriques

Consultations de la notice

139