Apprentissage dans les espaces de grande dimension : application à la caractérisation des tumeurs noires de la peau à partir d'images

Content Provider	Semantic Scholar
Author	Tenenhaus, Arthur
Copyright Year	2006
Abstract	L'objectif de la these est de definir les bases conceptuelles permettant de developper des methodes efficaces et adaptees a la classification dans les espaces de grande dimension. Dans ce contexte, les methodes a noyau s'averent particulierement adaptees. En effet, au-dela de leurs proprietes de regularisation - regularisation de type Tikhonov (Regression Ridge, Support Vector Machines, ... ) ou reduction de dimension (Partial Least Squares, Regression sur Composantes Principales,...) – elles offrent des avantages algorithmiques majeurs lorsque la dimension des donnees est superieure au nombre d'observations. Ces methodes ont fait l'objet d'une etude approfondie a la fois du point de vue theorique et applique dans les deux premiers chapitres de la these. Les deux chapitres suivants proposent de nouvelles methodes, decoulant de cette etude. Elles se fondent sur des principes de reduction de dimension supervisee en se focalisant principalement sur la regression PLS, particulierement bien adaptee a la gestion de donnees de grande dimension. Il s'agissait de concevoir des algorithmes de classification s'appuyant sur les principes algorithmiques de la regression PLS. Nous avons propose, la Kernel Logistic PLS, modele de classification nonlineaire et binaire base a la fois sur la construction de variables latentes et sur des transformations du type Empirical Kernel Map. Nous avons etendu la KL-PLS au cas ou la variable a predire est polytomique donnant naissance a la Kernel Multinomial Logistic PLS regression. Enfin dans les deux derniers chapitres, nous avons applique ces methodes a de nombreux domaines, notamment en analyse d'images. Nous avons ainsi contribue au developpement d'une application en vraie grandeur dans le domaine medical en elaborant un outil d'aide au diagnostic de tumeurs noires de la peau a partir d'images.
File Format	PDF HTM / HTML
Alternate Webpage(s)	https://tel.archives-ouvertes.fr/tel-00142439/document
Alternate Webpage(s)	http://maths.cnam.fr/IMG/pdf/Tenenhaus.pdf
Language	English
Access Restriction	Open
Content Type	Text
Resource Type	Article