Combinaisons d'automates et de boules de mots pour la classification de séquences

Dans cet article, nous présentons un cadre d'apprentissage général pour la classi cation supervisée. Ce cadre ne nécessite que la dé nition d'un opérateur de généralisation et fournit en particulier des méthodes d'ensemble. Pour les tâches de classi cation de séquences, nous montrons que l'inférence grammaticale, avec des objectifs di érents, a déjà dé ni de tels apprenants pour certaines familles d'automates comme les réversibles ou les k-TSS. Nous proposons ensuite un opérateur de généralisation original pour la famille des boules de mots. En n, nous montrons au travers de di érentes expérimentations que notre approche permet e ectivement de résoudre des tâches de classi cation de séquences. In this paper, we present a general framework for supervised classi cation. This framework only needs the de nition of a generalisation operator and provides ensemble methods. For sequence classi cation tasks, we show that grammatical inference has already de ned such learners for automata classes like reversible automata or k-TSS automata. Then we propose a generalisation operator for the class of balls of words. Finally, we show through experiments that our method e ciently resolves sequence classi cation tasks. Mots-clefs. automates moindre généralisés, boules de mots, méthodes d'ensemble, inférence grammaticale, classi cation de séquences.