JdS2012


 English   -  Français  

Résumé de communication



Résumé 237 :

Classification robuste via la sélection d'un ensemble de sous-espaces de représentation
Smolarz, André ; Beauseroy, Pierre ; Dong, Yuan
Université de Technologie de T

On considère le problème de la classification de données dans le cas où l'espace des attributs qui les décrit est altéré (bruit, pannes de capteurs...). Notre approche consiste alors à prendre les décisions dans des sous-espaces résultant de projections de l'espace initial, espérant ainsi travailler dans des sous-espaces non-altérés. Il faut admettre en contrepartie le risque d'une baisse de performances en termes de taux d'erreurs. Dans ce contexte, nous avons testé trois méthodes, One-class SVM, Kernel PCA et Kernel ECA pour étudier la robustesse des décisions face à l'altération de l'espace de représentation.