Discrimination robuste par méthode à noyaux
par Antoine Lachaud
Thèse de doctorat en Informatique. Apprentissage statistique
Sous la direction de Stéphane Canu.
Soutenue le 17-12-2015
à Rouen, INSA , dans le cadre de École doctorale sciences physiques mathématiques et de l'information pour l'ingénieur (Saint-Etienne-du-Rouvray, Seine-Maritime ; ....-2016) , en partenariat avec Laboratoire d'informatique, de traitement de l'information et des systèmes (Saint-Etienne du Rouvray, Seine-Maritime ; 2006-...) (laboratoire) et de Laboratoire d'intégration des systèmes et des technologies (Gif-sur-Yvette, Essonne ; 2001-....) (laboratoire) .
Le président du jury était Laurent Heutte.
Le jury était composé de Stéphane Canu, Laurent Heutte, Massih-Reza Amini, Frédéric Precioso, Antoine Cornuéjols, Frédéric Suard.
Les rapporteurs étaient Massih-Reza Amini, Frédéric Precioso.
- Méthode à noyaux
- Théorie sous-différentielle
- Discrimination robuste
- Algorithmes
- Machines à vecteurs de support
- Apprentissage automatique
- Hilbert, Espaces de
- Noyaux (analyse fonctionnelle)
mots clés
-
Résumé
La thèse porte sur l'intégration d éléments explicatifs au sein d'un modèle de classification. Plus précisément la solution proposée se compose de la combinaison entre un algorithme de chemin de régularisation appelé DRSVM et une approche noyau appelée KERNEL BASIS. La première partie de la thèse consiste en l'amélioration d'un algorithme appelé DRSVM à partir d'une reformulation du chemin via la théorie de la sous-différentielle. La seconde partie décrit l'extension de l'algorithme DRSVM au cadre KERNEL BASIS via une approche dictionnaire. Enfin une série d'expérimentation sont réalisées afin de valider l'aspect interprétable du modèle.
- DRSVM
- Kernel Basis
- Support vector machines
mots clés
-
Titre traduit
Robust discrimination using kernel approach
-
Résumé
This thesis aims at finding classification rnodeIs which include explanatory elements. More specifically the proposed solution consists in merging a regularization path algorithm called DRSVM with a kernel approach called KERNEL BASIS. The first part of the thesis focuses on improving an algorithm called DRSVM from a reformulation of the thanks to the suh-differential theory. The second part of the thesis describes the extension of DRSVM afgorithm under a KERNEL BASIS framework via a dictionary approach. Finally, a series of experiments are conducted in order to validate the interpretable aspect of the rnodel.
Il est disponible au sein de la bibliothèque de l'établissement de soutenance.
