Apprentissage statistique de la connexité d'un nuage de points par modèle génératif : application à l'analyse exploratoire et la classification semi-supervisée

par Pierre Gaillard

Thèse de doctorat en Technologies de l'information et des systèmes

Sous la direction de Gérard Govaert.

Soutenue en 2008

à Compiègne .


  • Résumé

    Dans cette thèse, nous présentons un modèle statistique permettant d'extraire la connexité des variétés structurantes d'un ensemble de points. Ce modèle combine des approches statistiques et géométriques en définissant un modèle de mélange gaussien construit à partir d'un graphe. A partir de ce graphe génératif, nous proposons et évaluons des méthodes d'analyses exploratoires et de classification non-supervisée et semi-supervisée.

  • Titre traduit

    Learning connectedness of a set of points with a generative model : application to data analysis and semi-supervised learning


  • Pas de résumé disponible.


  • Abstract

    In this work, we propose a statistical model to learn the connectedness of a set of points. This model combine geometrical and statistical approaches by defining a mixture model based on a graph. From this generative graph, we propose and evaluate methods and algorithms to analyse the set of points and to realize semi-supervised learning.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (217 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. 400 réf.

Où se trouve cette thèse ?

  • Library : Université de Technologie de Compiègne. Service Commun de la Documentation.
  • Disponible pour le PEB
  • Cote : 2008 GAI 1767
See the Sudoc catalog libraries of higher education and research.