Apprentissage dans les processus de décision Markoviens pour la prédiction saturée (applications à l'étiquetage de séque...
FR
FR
La problématique des jeux de données déséquilibrées en apprentissage supervisé est apparue relativement récemment, dès lors que le data mining est devenu une technologie amplement utilisée dans l'industrie. Le but de nos travaux est d'adapter différents éléments de l'apprentissage supervisé à cette problématique. Nous cherchons également à répondre...
L'objectif de cette Thèse est d'apporter une contribution au problème de l'apprentissage statistique, notamment en développant des méthodes pour prendre en compte des données fonctionnelles. Dans la première partie, nous développons une approche de type plus proches voisins pour la régression fonctionnelle. Dans la deuxième, nous étudions les propr...
FR
L'objectif de la thèse est de réaliser l'intégration de l'information contenue dans des Réseaux de Régulation Génétiques (RRGs) dans un processus de classification supervisée de données de puces à ADN. Nous proposons une nouvelle méthode, graph Constrained Discriminant Analysis (gCDA), basée sur l'analyse discriminante de Fisher. Les méthodes de la...
FR
L'apprentissage automatique doit faire face à différentes difficultés lorsqu'il est confronté aux particularités des données réelles. En effet, ces données sont généralement complexes, volumineuses, de nature hétérogène, de sources variées, souvent acquises automatiquement. Parmi les difficultés les plus connues, on citera les problèmes liés à la s...
International audience
Les travaux réalisés dans le cadre de cette thèse ont pour objectif d extraire les différents segments informatifs au sein de séquences vidéo, plus particulièrement aériennes. L interprétation manuelle de telles vidéos dans une optique de renseignement se heurte en effet au volume des données disponibles. Une assistance algorithmique fondée sur div...
FR