Une méthode de classification non-supervisée pour l'apprentissage de règles et la recherche d'information

par Guillaume Cleuziou

Thèse de doctorat en Informatique

Sous la direction de Christel Vrain.

Soutenue en 2004

à Orléans .


  • Résumé

    Le regroupement d'objets, dans un cadre non-supervisé, est une tâche importante et difficile en apprentissage. Ce processus intervient dans des contextes variés tels que la découverte de connaissances, la simplification dans la représentation ou la description d'un ensemble de données. Nous proposons, dans cette étude, l'algorithme de clustering PoBOC permettant de structurer un ensemble d'objets en classes non-disjointes. Nous utilisons cette méthode de clustering comme outil de traitement dans deux applications très différentes. En apprentissage supervisé, l'organisation préalable des instances apporte une connaissance utile pour la tâche d'induction de règles propositionnelles et logiques. En Recherche d'Information, les ambiguïtés et subtilités de la langue naturelle induisent naturellement des recouvrements entre thématiques. Dans ces trois domaines de recherche, l'intérêt d'organiser les objets en classes non-disjointes est confirmé par les études expérimentales adaptées.

  • Titre traduit

    ˜A œclustering method for rules learning and information retrieval


  • Pas de résumé disponible.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (194 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p. [183]-194. Index

Où se trouve cette thèse ?

  • Bibliothèque : Centre de recherche en informatique de Lens. Bibliothèque.
  • Disponible sous forme de reproduction pour le PEB
  • Cote : THE 04 CLE
  • Bibliothèque : Université d'Orléans. Service commun de la documentation.Section Sciences.
  • Disponible pour le PEB
  • Cote : TS 19-2004-56
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.