Réinitialiser mot de passe
E-mail
Password
RNTI

MODULAD
Combinaison de classification supervisée et non-supervisée par la théorie des fonctions de croyance
In EGC 2012, vol. RNTI-E-23, pp.53-64
Résumé
Nous proposons dans cet article une nouvelle approche de classification
fondée sur la théorie des fonctions de croyance. Cette méthode repose sur
la fusion entre la classification supervisée et la classification non supervisée. En
effet, nous sommes face à un problème de manque de données d'apprentissage
pour des applications dont les résultats de classification supervisée et non supervisée
sont très variables selon les classificateurs employés. Les résultats ainsi
obtenus sont par conséquent considérés comme incertains.
Notre approche se propose de combiner les résultats des deux types de classification
en exploitant leur complémentarité via la théorie des fonctions de croyance.
Celle-ci permet de tenir compte de l'aspect d'incertitude et d'imprécision. Après
avoir dresser les différentes étapes de notre nouveau schéma de classification,
nous détaillons la fusion de classificateurs. Cette nouvelle approche est appliquée
sur des données génériques, issues d'une vingtaine de bases de données.
Les résultats obtenus ont montré l'efficacité de l'approche proposée.