Classification des k-ppv par sous-voisinages emboîtés
Identifieur interne : 000438 ( Hal/Corpus ); précédent : 000437; suivant : 000439Classification des k-ppv par sous-voisinages emboîtés
Auteurs : Bruno Taconet ; Abderrazak Zahour ; Saïd Ramdane ; Wafa BoussellaaSource :
Abstract
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.
Url:
Links to Exploration step
Hal:hal-00113585Le document en format XML
<record><TEI><teiHeader><fileDesc><titleStmt><title xml:lang="fr">Classification des k-ppv par sous-voisinages emboîtés</title><author><name sortKey="Taconet, Bruno" sort="Taconet, Bruno" uniqKey="Taconet B" first="Bruno" last="Taconet">Bruno Taconet</name><affiliation><hal:affiliation type="laboratory" xml:id="struct-23374" status="INCOMING"><orgName>Gestion Electronique de Documents</orgName><orgName type="acronym">GED</orgName><desc><address><country key="FR"></country></address></desc><listRelation><relation active="#struct-300317" type="direct"></relation></listRelation><tutelles><tutelle active="#struct-300317" type="direct"><org type="institution" xml:id="struct-300317" status="VALID"><orgName>Université du Havre</orgName><desc><address><country key="FR"></country></address></desc></org></tutelle></tutelles></hal:affiliation></affiliation></author><author><name sortKey="Zahour, Abderrazak" sort="Zahour, Abderrazak" uniqKey="Zahour A" first="Abderrazak" last="Zahour">Abderrazak Zahour</name><affiliation><hal:affiliation type="laboratory" xml:id="struct-23374" status="INCOMING"><orgName>Gestion Electronique de Documents</orgName><orgName type="acronym">GED</orgName><desc><address><country key="FR"></country></address></desc><listRelation><relation active="#struct-300317" type="direct"></relation></listRelation><tutelles><tutelle active="#struct-300317" type="direct"><org type="institution" xml:id="struct-300317" status="VALID"><orgName>Université du Havre</orgName><desc><address><country key="FR"></country></address></desc></org></tutelle></tutelles></hal:affiliation></affiliation></author><author><name sortKey="Ramdane, Said" sort="Ramdane, Said" uniqKey="Ramdane S" first="Saïd" last="Ramdane">Saïd Ramdane</name><affiliation><hal:affiliation type="laboratory" xml:id="struct-23374" status="INCOMING"><orgName>Gestion Electronique de Documents</orgName><orgName type="acronym">GED</orgName><desc><address><country key="FR"></country></address></desc><listRelation><relation active="#struct-300317" type="direct"></relation></listRelation><tutelles><tutelle active="#struct-300317" type="direct"><org type="institution" xml:id="struct-300317" status="VALID"><orgName>Université du Havre</orgName><desc><address><country key="FR"></country></address></desc></org></tutelle></tutelles></hal:affiliation></affiliation></author><author><name sortKey="Boussellaa, Wafa" sort="Boussellaa, Wafa" uniqKey="Boussellaa W" first="Wafa" last="Boussellaa">Wafa Boussellaa</name><affiliation><hal:affiliation type="laboratory" xml:id="struct-210908" status="VALID"><orgName>REsearch Group in Intelligent Machines</orgName><orgName type="acronym">REGIM</orgName><desc><address><country key="TN"></country></address><ref type="url">http://regim.org/</ref></desc><listRelation><relation active="#struct-301282" type="direct"></relation></listRelation><tutelles><tutelle active="#struct-301282" type="direct"><org type="institution" xml:id="struct-301282" status="INCOMING"><orgName>École Nationale d'Ingénieurs de Sfax [Sfax]</orgName><orgName type="acronym">ENIS</orgName><desc><address><addrLine>Dépt. G.E, (ENIS), B.P. 1173, 3038 Sfax</addrLine><country key="TN"></country></address><ref type="url">http://www.enis.rnu.tn/</ref></desc></org></tutelle></tutelles></hal:affiliation></affiliation></author></titleStmt><publicationStmt><idno type="wicri:source">HAL</idno><idno type="RBID">Hal:hal-00113585</idno><idno type="halId">hal-00113585</idno><idno type="halUri">https://hal.archives-ouvertes.fr/hal-00113585</idno><idno type="url">https://hal.archives-ouvertes.fr/hal-00113585</idno><date when="2006-09-18">2006-09-18</date><idno type="wicri:Area/Hal/Corpus">000438</idno></publicationStmt><sourceDesc><biblStruct><analytic><title xml:lang="fr">Classification des k-ppv par sous-voisinages emboîtés</title><author><name sortKey="Taconet, Bruno" sort="Taconet, Bruno" uniqKey="Taconet B" first="Bruno" last="Taconet">Bruno Taconet</name><affiliation><hal:affiliation type="laboratory" xml:id="struct-23374" status="INCOMING"><orgName>Gestion Electronique de Documents</orgName><orgName type="acronym">GED</orgName><desc><address><country key="FR"></country></address></desc><listRelation><relation active="#struct-300317" type="direct"></relation></listRelation><tutelles><tutelle active="#struct-300317" type="direct"><org type="institution" xml:id="struct-300317" status="VALID"><orgName>Université du Havre</orgName><desc><address><country key="FR"></country></address></desc></org></tutelle></tutelles></hal:affiliation></affiliation></author><author><name sortKey="Zahour, Abderrazak" sort="Zahour, Abderrazak" uniqKey="Zahour A" first="Abderrazak" last="Zahour">Abderrazak Zahour</name><affiliation><hal:affiliation type="laboratory" xml:id="struct-23374" status="INCOMING"><orgName>Gestion Electronique de Documents</orgName><orgName type="acronym">GED</orgName><desc><address><country key="FR"></country></address></desc><listRelation><relation active="#struct-300317" type="direct"></relation></listRelation><tutelles><tutelle active="#struct-300317" type="direct"><org type="institution" xml:id="struct-300317" status="VALID"><orgName>Université du Havre</orgName><desc><address><country key="FR"></country></address></desc></org></tutelle></tutelles></hal:affiliation></affiliation></author><author><name sortKey="Ramdane, Said" sort="Ramdane, Said" uniqKey="Ramdane S" first="Saïd" last="Ramdane">Saïd Ramdane</name><affiliation><hal:affiliation type="laboratory" xml:id="struct-23374" status="INCOMING"><orgName>Gestion Electronique de Documents</orgName><orgName type="acronym">GED</orgName><desc><address><country key="FR"></country></address></desc><listRelation><relation active="#struct-300317" type="direct"></relation></listRelation><tutelles><tutelle active="#struct-300317" type="direct"><org type="institution" xml:id="struct-300317" status="VALID"><orgName>Université du Havre</orgName><desc><address><country key="FR"></country></address></desc></org></tutelle></tutelles></hal:affiliation></affiliation></author><author><name sortKey="Boussellaa, Wafa" sort="Boussellaa, Wafa" uniqKey="Boussellaa W" first="Wafa" last="Boussellaa">Wafa Boussellaa</name><affiliation><hal:affiliation type="laboratory" xml:id="struct-210908" status="VALID"><orgName>REsearch Group in Intelligent Machines</orgName><orgName type="acronym">REGIM</orgName><desc><address><country key="TN"></country></address><ref type="url">http://regim.org/</ref></desc><listRelation><relation active="#struct-301282" type="direct"></relation></listRelation><tutelles><tutelle active="#struct-301282" type="direct"><org type="institution" xml:id="struct-301282" status="INCOMING"><orgName>École Nationale d'Ingénieurs de Sfax [Sfax]</orgName><orgName type="acronym">ENIS</orgName><desc><address><addrLine>Dépt. G.E, (ENIS), B.P. 1173, 3038 Sfax</addrLine><country key="TN"></country></address><ref type="url">http://www.enis.rnu.tn/</ref></desc></org></tutelle></tutelles></hal:affiliation></affiliation></author></analytic></biblStruct></sourceDesc></fileDesc><profileDesc><textClass></textClass></profileDesc></teiHeader><front><div type="abstract" xml:lang="fr">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.</div></front></TEI><hal api="V3"><titleStmt><title xml:lang="fr">Classification des k-ppv par sous-voisinages emboîtés</title><author role="aut"><persName><forename type="first">Bruno</forename><surname>Taconet</surname></persName><email></email><idno type="halauthor">86907</idno><affiliation ref="#struct-23374"></affiliation></author><author role="aut"><persName><forename type="first">Abderrazak</forename><surname>Zahour</surname></persName><email></email><idno type="halauthor">86908</idno><affiliation ref="#struct-23374"></affiliation></author><author role="aut"><persName><forename type="first">Saïd</forename><surname>Ramdane</surname></persName><email></email><idno type="halauthor">86909</idno><affiliation ref="#struct-23374"></affiliation></author><author role="aut"><persName><forename type="first">Wafa</forename><surname>Boussellaa</surname></persName><email></email><idno type="halauthor">145349</idno><affiliation ref="#struct-210908"></affiliation></author><editor role="depositor"><persName><forename>Laurence</forename><surname>Likforman-Sulem</surname></persName><email>laurence.likforman@enst.fr</email></editor></titleStmt><editionStmt><edition n="v1" type="current"><date type="whenSubmitted">2006-11-13 18:17:46</date><date type="whenModified">2016-03-22 01:25:57</date><date type="whenReleased">2006-11-13 19:29:17</date><date type="whenProduced">2006-09-18</date><date type="whenEndEmbargoed">2006-11-13</date><ref type="file" target="https://hal.archives-ouvertes.fr/hal-00113585/document"><date notBefore="2006-11-13"></date></ref><ref type="file" n="1" target="https://hal.archives-ouvertes.fr/hal-00113585/file/article_51f.pdf"><date notBefore="2006-11-13"></date></ref></edition><respStmt><resp>contributor</resp><name key="113616"><persName><forename>Laurence</forename><surname>Likforman-Sulem</surname></persName><email>laurence.likforman@enst.fr</email></name></respStmt></editionStmt><publicationStmt><distributor>CCSD</distributor><idno type="halId">hal-00113585</idno><idno type="halUri">https://hal.archives-ouvertes.fr/hal-00113585</idno><idno type="halBibtex">taconet:hal-00113585</idno><idno type="halRefHtml">Laurence Likforman-Sulem. Sep 2006, SDN06, pp.145-150, 2006</idno><idno type="halRef">Laurence Likforman-Sulem. Sep 2006, SDN06, pp.145-150, 2006</idno></publicationStmt><seriesStmt><idno type="stamp" n="CIFED06">Colloque International Francophone sur l'Ecrit et le Document (CIFED'06)</idno><idno type="stamp" n="UNIV-LEHAVRE">Université du Havre</idno><idno type="stamp" n="TDS-MACS">Réseau de recherche en Théorie des Systèmes Distribués, Modélisation, Analyse et Contrôle des Systèmes</idno><idno type="stamp" n="COMUE-NORMANDIE">Normandie Université</idno></seriesStmt><notesStmt><note type="audience" n="1">Not set</note><note type="invited" n="0">No</note><note type="popular" n="0">No</note><note type="peer" n="1">Yes</note><note type="proceedings" n="1">Yes</note></notesStmt><sourceDesc><biblStruct><analytic><title xml:lang="fr">Classification des k-ppv par sous-voisinages emboîtés</title><author role="aut"><persName><forename type="first">Bruno</forename><surname>Taconet</surname></persName><idno type="halAuthorId">86907</idno><affiliation ref="#struct-23374"></affiliation></author><author role="aut"><persName><forename type="first">Abderrazak</forename><surname>Zahour</surname></persName><idno type="halAuthorId">86908</idno><affiliation ref="#struct-23374"></affiliation></author><author role="aut"><persName><forename type="first">Saïd</forename><surname>Ramdane</surname></persName><idno type="halAuthorId">86909</idno><affiliation ref="#struct-23374"></affiliation></author><author role="aut"><persName><forename type="first">Wafa</forename><surname>Boussellaa</surname></persName><idno type="halAuthorId">145349</idno><affiliation ref="#struct-210908"></affiliation></author></analytic><monogr><title level="m">Actes du 9ème Colloque International Francophone sur l'Ecrit et le Document</title><meeting><date type="start">2006-09-18</date></meeting><editor>Laurence Likforman-Sulem</editor><imprint><publisher>SDN06</publisher><biblScope unit="pp">145-150</biblScope><date type="datePub">2006-09-18</date></imprint></monogr></biblStruct></sourceDesc><profileDesc><langUsage><language ident="fr">French</language></langUsage><textClass><classCode scheme="halDomain" n="spi.signal">Engineering Sciences [physics]/Signal and Image processing</classCode><classCode scheme="halDomain" n="spi.auto">Engineering Sciences [physics]/Automatic</classCode><classCode scheme="halDomain" n="info.info-ts">Computer Science [cs]/Signal and Image Processing</classCode><classCode scheme="halTypology" n="COMM">Conference papers</classCode></textClass><abstract xml:lang="fr">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.</abstract></profileDesc></hal></record>Pour manipuler ce document sous Unix (Dilib)
EXPLOR_STEP=$WICRI_ROOT/Wicri/France/explor/LeHavreV1/Data/Hal/Corpus
HfdSelect -h $EXPLOR_STEP/biblio.hfd -nk 000438 | SxmlIndent | more
Ou
HfdSelect -h $EXPLOR_AREA/Data/Hal/Corpus/biblio.hfd -nk 000438 | SxmlIndent | more
Pour mettre un lien sur cette page dans le réseau Wicri
{{Explor lien
|wiki= Wicri/France
|area= LeHavreV1
|flux= Hal
|étape= Corpus
|type= RBID
|clé= Hal:hal-00113585
|texte= Classification des k-ppv par sous-voisinages emboîtés
}}
| This area was generated with Dilib version V0.6.25. |  |