Opérateurs d'agrégation pour la mesure de similarité : application à l'ambiguïté en reconnaissance de forme

par Hoël Le Capitaine

Thèse de doctorat en Automatique, image et signal

Sous la direction de Carl Frélicot.

Soutenue en 2009

à La Rochelle .


  • Résumé

    Dans cette thèse, nous nous intéressons à deux problèmes de reconnaissance de formes : l'option de rejet en classification supervisée, et la détermination du nombre de classes en classification non supervisée. Le premier problème consiste à déterminer les zones de l'espace des attributs où les observations n'appartiennent pas clairement à une seule classe. Le second problème repose sur l'analyse d'un nuage d'observations et pour lesquelles on ne connait pas sa classe d'appartenance. L'objectif est de dégager des structures permettant de distinguer les différentes classes, et en particulier de trouver leur nombre. Pour résoudre ces problèmes, nous fondons nos propositions sur des opérateurs d'agrégation, en particulier des normes triangulaires. Nous définissons de nouvelles mesures de similarité permettant la caractérisation de situations variées. En particulier, nous proposons de nouveaux types de mesures de similarité : la similarité d'ordre, la similarité par blocs, et enfin la similarité par une approche logique. Ces différentes mesures de similarité sont ensuite appliquées aux problèmes évoqués précédemment. Le caractère générique des mesures proposées permet de retrouver de nombreuses propositions de la littérature, ainsi qu'une grande souplesse d'utilisation en pratique. Des résultats expérimentaux sur des jeux de données standard des domaines considérés viennent valider notre approche.

  • Alternative Title

    Aggregation operators for similarity measures : application to ambiguity in pattern recognition


  • Résumé

    In this thesis, we are interested in two problems of pattern recognition : the reject option in supervised classification, and determining the number of classes in unsupervised classification. The first problem consists in finding the areas in the feature space where samples do not clearly belong to one class. The second problem is based on the analysis of a cloud of observations which are unlabeled. The objective is to define structures that distinguish different classes, and in particular to find the number of classes. In order to solve these problems, our approach is based on the use of similarity measures allowing to discriminate various situations. In particular, we propose new kinds of similarity measures: the order similarity, the blockwise similarity, and eventually a logic-based similarity measure. These different measures are then applied to the aforementioned problems. The genericity of the proposed measure enables to retrieve usual criterions from the literature, as well as a great versatility in practice. Experimental results on benchmarks datasets for both problems validate our approach.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (257 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p. 155-168

Où se trouve cette thèse ?

  • Bibliothèque : Université de La Rochelle. Bibliothèque universitaire.
  • Disponible pour le PEB
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.