ISBN-13: 9786131546440 / Francuski / Miękka / 2018 / 164 str.
La classification automatique non supervisA(c)e suscite de plus en plus d''intA(c)rAats dans diffA(c)rents domaines des sciences de l''ingA(c)nieur. Le principe est justement de doter les machines de la capacitA(c) A dA(c)couvrir des groupes naturels ou classes dans les objets prA(c)sents aux entrA(c)es sans aucune connaissance a priori. RA(c)cemment, les machines A noyaux ont connu un vif succA]s en classification non supervisA(c)e. L''idA(c)e de base est au lieu de projeter ou classer directement les donnA(c)es, on les transforme dans un espace de caractA(c)ristiques de grande dimension oA les points images sont susceptibles d''Aatre linA(c)airement sA(c)parables. Ensuite, une technique classique sera appliquA(c)e sur les points dans cet espace. C''est le principe des mA(c)thodes A noyaux ou kernels: kernel PCA, Kernel K-means, etc. Ce livre montre l''apport des machines A noyaux dans la classification non supervisA(c)e notamment en projection et en classification. Les problA]mes d''ajustement des paramA]tres et d''estimation du nombre des classes de ces mA(c)thodes A noyaux sont A(c)tudiA(c)s. Les approches de classification sont testA(c)es sur des donnA(c)es audio pour l''aide A la dA(c)tection d''A(c)vA(c)nements dans le transport publique
La classification automatique non supervisée suscite de plus en plus dintérêts dans différents domaines des sciences de lingénieur. Le principe est justement de doter les machines de la capacité à découvrir des groupes naturels ou classes dans les objets présents aux entrées sans aucune connaissance a priori. Récemment, les machines à noyaux ont connu un vif succès en classification non supervisée. Lidée de base est au lieu de projeter ou classer directement les données, on les transforme dans un espace de caractéristiques de grande dimension où les points images sont susceptibles dêtre linéairement séparables. Ensuite, une technique classique sera appliquée sur les points dans cet espace. Cest le principe des méthodes à noyaux ou "kernels": kernel PCA,Kernel K-means, etc. Ce livre montre lapport des machines à noyaux dans la classification non supervisée notamment en projection et en classification. Les problèmes dajustement des paramètres et destimation du nombre des classes de ces méthodes à noyaux sont étudiés. Les approches de classification sont testées sur des données audio pour laide à la détection dévénements dans le transport publique