Loading...
Please wait, while we are loading the content...
Une méthode paramétrique et robuste de classification semi-supervisée avec rejet
| Content Provider | Semantic Scholar |
|---|---|
| Author | Saint-Jean, Christophe Frélicot, Carl |
| Copyright Year | 2001 |
| Abstract | En classification et plus generalement en apprentissage, on distingue classiquement deux approches: le cas supervise et le cas non supervise. On peut combiner celles-ci dans un apprentissage semi-supervise. Dans ce cadre, on enrichit un ensemble de donnees non etiquetees par un certain nombre d'exemples etiquetes. Ces derniers, en proportion generalement faible, servent a guider les algorithmes de classification via leur parametrage et leurs conditions d'initialisation. Dans cet article, nous rappelons quelques techniques actuelles de semi-supervision et references du domaine. Nous proposons une extension de l'algorithme de classification par partition que nous avons propose dans (Saint-Jean et al., 2000) pour prendre en compte la semi-supervision. Nous proposons egalement une heuristique pour le choix du parametre du M-estimateur de Huber tenant compte de la supervision partielle. Enfin, nous presentons les resultats de notre approche sur des jeux de donnees artificiels et standards du domaine. |
| File Format | PDF HTM / HTML |
| Volume Number | 1 |
| Alternate Webpage(s) | https://hal.archives-ouvertes.fr/hal-00235779/document |
| Language | English |
| Access Restriction | Open |
| Content Type | Text |
| Resource Type | Article |
