Nouveaux résultats en classification à l'aide d'un codage par motifs fréquents
Résumé
Le nombre nécessairement limité de données ne permet pas de distinguer sûrement entre les régularités réelles et les régularités accidentelles lorsque les données sont décrites par un grand nombre d’attributs. Nous présentons ici une méthode radicalement nouvelle de recodage des données qui consiste à chercher des motifs fréquents (avec un taux de couver- ture faible) dans les données et à les utiliser pour coder les entrées. Cette méthode a été testée dans le cadre d’une application de classification de scènes naturelles. Une partie des images disponibles a été utilisée pour identifier 1000 motifs fréquents, grâce à un algorithme spéciale- ment adapté. Ces motifs ont ensuite été employés pour coder les images. La classification des images restantes a alors été réalisée par une méthode de classification par plus proches voisins. Les résultats obtenus sur cette tâche sont très nettement supérieurs à ceux obtenus jusque là par une méthode neuronale à base de fonctions radiales.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...