Vers une discrétisation locale pour les treillis dichotomiques. - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2009

Vers une discrétisation locale pour les treillis dichotomiques.

Résumé

Dans cet article, nous rappelons la méthode de classification supervisée Navigala, que nous avons développée pour de la reconnaissance de symboles détériorés. Elle repose sur une navigation dans un treillis de Galois similaire à une navigation dans un arbre de décision. Les treillis manipulés par Navigala sont des treillis dits dichotomiques, dont nous décrivons dans ce papier les propriétés et les liens structurels avec les arbres de décision. La construction du treillis de Galois oblige à une étape préalable de discrétisation des données continues (discrétisation globale), ce qui n'est généralement pas le cas de l'arbre de décision qui procède à cette discrétisation au cours de sa construction (discrétisation locale). Utilisée comme prétraitement, la discrétisation détermine les concepts et la taille du treillis, lorsque l'algorithme de génération est directement appliqué sur ces données discrétisées. Nous proposons donc un algorithme de discrétisation locale pour la construction du treillis dichotomique ce qui pourrait nous permettre de mettre en œuvre une méthode d'élagage en cours de génération et ainsi d'améliorer les performances du treillis et éviter le sur-apprentissage.
Fichier principal
Vignette du fichier
Treillis_Arbre_SFC2009_vf.pdf (120.18 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-00435674 , version 1 (24-11-2009)

Identifiants

  • HAL Id : hal-00435674 , version 1

Citer

Nathalie Girard, Karell Bertet, Muriel Visani. Vers une discrétisation locale pour les treillis dichotomiques.. XVIèmes Rencontres de la Société Francophone de Classification, Sep 2009, Grenoble, France. pp.113-116. ⟨hal-00435674⟩

Collections

L3I UNIV-ROCHELLE
65 Consultations
105 Téléchargements

Partager

Gmail Facebook X LinkedIn More