Thèse soutenue

Discrimination robuste par méthode à noyaux

FR  |  
EN
Auteur / Autrice : Antoine Lachaud
Direction : Stéphane Canu
Type : Thèse de doctorat
Discipline(s) : Informatique. Apprentissage statistique
Date : Soutenance le 17/12/2015
Etablissement(s) : Rouen, INSA
Ecole(s) doctorale(s) : École doctorale sciences physiques mathématiques et de l'information pour l'ingénieur (Saint-Etienne-du-Rouvray, Seine-Maritime ; ....-2016)
Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique, de traitement de l'information et des systèmes (Saint-Etienne du Rouvray, Seine-Maritime ; 2006-...) - Laboratoire d'intégration des systèmes et des technologies (Gif-sur-Yvette, Essonne ; 2001-....)
Jury : Président / Présidente : Laurent Heutte
Examinateurs / Examinatrices : Stéphane Canu, Laurent Heutte, Massih-Reza Amini, Frédéric Precioso, Antoine Cornuéjols, Frédéric Suard
Rapporteurs / Rapporteuses : Massih-Reza Amini, Frédéric Precioso

Résumé

FR  |  
EN

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.