Vers un critère d'arrêt de Boosting basé sur la diversité des classifieurs
نویسندگان
چکیده
RÉSUMÉ. Dans cette dernière décennie, plusieurs chercheurs se sont intéressés aux méthodes de Boosting pour améliorer la performance des classifieurs. Néanmoins, l’ajout de classifieurs ne garantit pas, toujours, cette amélioration mais induit plutôt un phénomène de sur-apprentissage. Dans cet article, le rôle de la diversité sur la performance des ensembles de classifieurs est exploité au cours de l’apprentissage. Une mesure permettant d’évaluer cette diversité est utilisée. L’étude expérimentale sur des bases différentes montre la relation entre la diversité des classifieurs et la performance de Boosting.
منابع مشابه
Un algorithme ICM basé sur la compacité pour la segmentation des images satellites à très haute résolution
Résumé. Dans cet article nous proposons une modification pour l’algorithme "Iterated Conditional Modes" (ICM) appliqué à la segmentation d’images à très haute résolution. Pour ce faire, nous introduisons un nouveau critère de convergence basé sur la compacité des clusters et qui repose sur une fonction d’énergie adaptée aux modèles de voisinages irréguliers de ce type d’images. Grâce à cette mé...
متن کاملRecalage et fusion d'images sonar multivues : critère de dissimilarité et ignorance
Résumé. Ce papier présente une application pour le recalage et la fusion d’images sonar classifiées. Nous adaptons ici la méthode présentée dans un précédent papier à des données multivues. Pour la caractérisation de fond marin, nous avons besoin de fusionner des images sonar multivues afin d’améliorer les résultats. Néanmoins, avant de pouvoir fusionner ces images, il faut les recaler. Notre a...
متن کاملGénérer des règles de classification par dopage de concepts formels
Résumé. La classification supervisée est une tâche de fouille de données (Data Mining), qui consiste à construire un classifieur à partir d’un ensemble d’exemples étiquetés par des classes (phase d’apprentissage) et ensuite prédire les classes des nouveaux exemples avec ce classifieur (phase de classification). En classification supervisée, plusieurs approches ont été proposées dont l’approche ...
متن کاملUn Critère d'Évaluation pour la Construction de Variables à base d'Itemsets pour l'Apprentissage Supervisé Multi-Tables
Résumé. Dans le contexte de la fouille de données multi-tables, les données sont représentées sous un format relationnel dans lequel les individus de la table cible sont potentiellement liés à plusieurs enregistrements dans des tables secondaires en relation un-à-plusieurs. Dans cet article, nous proposons un Framework basé sur des itemsets pour la construction de variables à partir des tables ...
متن کاملSélection par entropie de descripteurs textuels pour la catégorisation de documents XML
Dans le contexte de la catégorisation de documents, la sélection des descripteurs est une étape de pré-traitement importante qui permet non seulement de réduire la taille de l’index, mais aussi d’améliorer les performances des classifieurs. Parmi les approches utilisées pour construire un sous-ensemble de l’index, on peut distinguer d’une part, les méthodes de réduction de dimensions qui génère...
متن کامل