Discrimination robuste par méthode à noyaux / Antoine Lachaud ; sous la direction de Stéphane Canu

Date :

Type : Livre / Book

Type : Thèse / Thesis

Langue / Language : français / French

Algorithmes

Machines à vecteurs de support

Apprentissage automatique

Hilbert, Espaces de

Noyaux (analyse fonctionnelle)

Canu, Stéphane (1960-.... ; chercheur en informatique) (Directeur de thèse / thesis advisor)

Heutte, Laurent (19..-.... ; professeur des universités) (Président du jury de soutenance / praeses)

Amini, Massih-Reza (Rapporteur de la thèse / thesis reporter)

Precioso, Frédéric (1974-.... ; professeur des universités) (Rapporteur de la thèse / thesis reporter)

Cornuéjols, Antoine (Membre du jury / opponent)

Suard, Frédéric (19..-.... ; ingénieur chercheur) (Membre du jury / opponent)

Institut national des sciences appliquées Rouen Normandie (Saint-Etienne-du-Rouvray ; 1985-....) (Organisme de soutenance / degree-grantor)

École doctorale sciences physiques mathématiques et de l'information pour l'ingénieur (Saint-Etienne-du-Rouvray, Seine-Maritime ; ....-2016) (Ecole doctorale associée à la thèse / doctoral school)

Laboratoire d'informatique, de traitement de l'information et des systèmes (Saint-Etienne du Rouvray, Seine-Maritime ; 2006-...) (Laboratoire associé à la thèse / thesis associated laboratory)

Laboratoire d'intégration des systèmes et des technologies (Gif-sur-Yvette, Essonne ; 2001-....) (Laboratoire associé à la thèse / thesis associated laboratory)

Résumé / Abstract : La thèse porte sur l'intégration d éléments explicatifs au sein d'un modèle de classification. Plus précisément la solution proposée se compose de la combinaison entre un algorithme de chemin de régularisation appelé DRSVM et une approche noyau appelée KERNEL BASIS. La première partie de la thèse consiste en l'amélioration d'un algorithme appelé DRSVM à partir d'une reformulation du chemin via la théorie de la sous-différentielle. La seconde partie décrit l'extension de l'algorithme DRSVM au cadre KERNEL BASIS via une approche dictionnaire. Enfin une série d'expérimentation sont réalisées afin de valider l'aspect interprétable du modèle.

Résumé / Abstract : This thesis aims at finding classification rnodeIs which include explanatory elements. More specifically the proposed solution consists in merging a regularization path algorithm called DRSVM with a kernel approach called KERNEL BASIS. The first part of the thesis focuses on improving an algorithm called DRSVM from a reformulation of the thanks to the suh-differential theory. The second part of the thesis describes the extension of DRSVM afgorithm under a KERNEL BASIS framework via a dictionary approach. Finally, a series of experiments are conducted in order to validate the interpretable aspect of the rnodel.