Modélisation probabiliste de classifieurs d’ensemble pour des problèmes à deux classes
Auteur / Autrice : | Yuan Dong |
Direction : | Pierre Beauseroy, André Smolarz |
Type : | Thèse de doctorat |
Discipline(s) : | Optimisation et Sûreté des Systèmes |
Date : | Soutenance le 08/07/2013 |
Etablissement(s) : | Troyes |
Ecole(s) doctorale(s) : | Ecole doctorale Sciences pour l'Ingénieur (Troyes, Aube) |
Partenaire(s) de recherche : | Organisme public étranger : China Scolarship Council |
Laboratoire : Institut Charles Delaunay / ICD | |
Jury : | Président / Présidente : Laurent Heutte |
Rapporteurs / Rapporteuses : Sylvie Lelandais-Bonadé, Frédéric Morain-NIcolier |
Mots clés
Résumé
L'objectif de cette thèse est d'améliorer ou de préserver les performances d'un système décisionnel quand l’environnement peut impacter certains attributs de l'espace de représentation à un instant donné ou en fonction de la position géographique de l’observation. S'inspirant des méthodes d'ensemble, notre approche a consisté à prendre les décisions dans des sous-espaces de représentation résultant de projections de l'espace initial, espérant ainsi travailler dans des sous-espaces non impactés. La décision finale est alors prise par fusion des décisions individuelles. Dans ce contexte, trois méthodes de classification (one-class SVM, Kernel PCA et Kernel ECA) ont été testées en segmentation d'images texturées qui constitue un support applicatif parfaitement adéquat en raison des ruptures de modèle de texture aux frontières entre deux régions. Ensuite, nous avons proposé une nouvelle règle de fusion reposant sur un test du rapport de vraisemblance pour un ensemble de classifieurs indépendants. Par rapport au vote majoritaire, cette règle de fusion a montré de meilleures performances face à l'altération de l'espace de représentation. Enfin, nous avons établi un modèle conjoint pour l’ensemble des variables décisionnelles de Bernoulli corrélées associées aux décisions des classifieurs individuels. Cette modélisation doit permettre de lier les performances des classifieurs individuels à la performance de la règle de décision globale et d’étudier et de maîtriser l'impact des changements de l'espace initial sur la performance globale