Classification des k-ppv par sous-voisinages emboîtés

Autor: Taconet, Bruno, Zahour, Abderrazak, Ramdane, Saïd, Boussellaa, Wafa
Přispěvatelé: Université Le Havre Normandie (ULH), Normandie Université (NU), REsearch Group in Intelligent Machines [Sfax] (REGIM-Lab), École Nationale d'Ingénieurs de Sfax | National School of Engineers of Sfax (ENIS), Laurence Likforman-Sulem, Likforman-Sulem, Laurence
Jazyk: francouzština
Rok vydání: 2006
Předmět:
Zdroj: Actes du 9ème Colloque International Francophone sur l'Ecrit et le Document
Sep 2006, pp.145-150
Popis: La méthode des plus proches voisins est une méthode de classification géométrique très utilisée en reconnaissance de formes, en raison de sa simplicité et de sa robustesse. Les caractéristiques sont exploitées dans un espace métrique de représentation, généralement Rn muni de la distance euclidienne. La méthode de Keller repose sur une fonction de décision floue qui met en jeu les distances des protoypes au point inconnu. Nous proposons une nouvelle règle de décision floue dans laquelle la contribution d'un prototype ne se fait pas individuellement , mais collectivement, en considérant son sous-voisinage, selon la règle : un prototype est d'autant plus influent qu'il est plus proche du point inconnu, et qu'il existe des protoypes de la même classe plus proche que lui. Les essais de validation sont menés en comparaison notamment avec la méthode de Keller (avec initialisation nette) sur deux banques de données standard : la base des 150 iris de Fischer en auto-validation dans l'espace de représentaiont de dimension 4, et la base mnist de chiffres manuscrits composée d'une base d'apprentissage de 60 000 caractères et d'une base de test de 10 000 dans l'espace de représentation de dimension 28*28. Cependant, l'exemple de la base mnist montre que le gain reste faible, en comparaison des méthodes qui exploitent les invariances des prototypes par transformations géométriques ou par combinaison linéaire des voisins.
Databáze: OpenAIRE
Externí odkaz: