Approximation de matrices pour l’apprentissage des hyperparamètres des fonctions noyaux Gaussiennes

Mathieu Fauvel (1)

1 DYNAFOR - Dynamiques Forestières dans l'Espace Rural

Le problème considéré dans cet article concerne l’optimisation des hyperparamètres d’une fonction noyau Gaussienne à l’aide de mesures de similitude entre matrices. Deux contributions sont proposées : 1) une nouvelle mesure de similarité entre fonctions noyaux et 2) une nouvelle paramétrisation pour les noyaux Gaussiens. Des améliorations des temps de calculs et des taux de bonnes classifications par rapport à la validation croisée pour un classifier k-nn sont obtenues sur des jeux de données standards.

Mots clés: Hyperparamètre; Fonctions noyaux gaussiennes; Matrice; Algorithme; Classification

Domaines: Traitement du signal et de l'image [eess.SP]; Analyse numérique [math.NA]

Mathieu Fauvel. Approximation de matrices pour l’apprentissage des hyperparamètres des fonctions noyaux Gaussiennes. XXIVème Colloque GRETSI sur le traitement du signal et des images, Sep 2013, Brest, France. pp. 1-4. ⟨hal-01793294⟩