Apprentissage dans les espaces de grande dimension : application à la caractérisation des tumeurs noires de la peau à partir d'images

par Arthur Tenenhaus

Thèse de doctorat en Statistique

Sous la direction de Paul Deheuvels, Bernard Fertil et de Gilbert Saporta.

Soutenue en 2006

à Paris 6 .

  • Titre traduit

    Statistical learning for high dimensional data : application to the characterization of black skin tumors from medical imaging


  • Pas de résumé disponible.


  • Résumé

    L’objectif de la thèse est de définir les bases conceptuelles permettant de développer des méthodes efficaces et adaptées à la classification dans les espaces de grande dimension (e. G. Situation fréquente en analyse d’images)afinde répondre à une problématique de santé publique concernant la caractérisation de mélanomes (lésion bénigne vs lésion maligne) à partir d’images numériques. Les méthodes proposées dans cette thèse se fondent sur des principes de réduction de dimension supervisée. Ce travail se focalise principalement sur la régression PLS, particulièrement bien adaptée à la gestion de données de grande dimension. Il s’agissait de concevoir des algorithmes de classification s’appuyant sur les principes algorithmiques de la régression PLS. Dans ce contexte, nous avons proposé, la Kernel Logistic PLS, modèle de classification nonlinéaire et binaire basé à la fois sur la construction de variables latentes et sur des transformations du type Empirical Kernel Map. Nous avons étendu la KL-PLS au cas où la variable à prédire est polytomique donnant naissance à la Kernel Multinomial Logistic PLS regression.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (131 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p. 125-131

Où se trouve cette thèse ?

  • Bibliothèque : Université Pierre et Marie Curie. Bibliothèque Universitaire Pierre et Marie Curie. Section Biologie-Chimie-Physique Recherche.
  • Consultable sur place dans l'établissement demandeur
  • Cote : T Paris 6 2006 416
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.