Réinitialiser mot de passe
E-mail
Password
RNTI

MODULAD
Apprentissage d'ensemble d'opérateurs de projection orthogonale pour la détection de nouveauté
In EGC 2012, vol. RNTI-E-23, pp.405-416
Résumé
Dans ce papier, nous proposons une approche de détection de nouveauté
fondée sur les opérateurs de projection orthogonale et l'idée de double
bootstrap (bi- bootstrap). Notre approche appelée Random Subspace Novelty
Detection Filter (RS-NDF), combine une technique de rééchantillonnage et
l'idée d'apprentissage d'ensemble. RS-NDF est un ensemble de filtres NDF
(Novelty Detection Filter), induits à partir d'échantillons bootstrap des données
d'apprentissage, en utilisant une sélection aléatoire des variables pour l'apprentissage
des filtres. RS-NDF utilise donc un double bootstrap, c'est à dire un
rééchantillonnage avec remise sur les observations et un rééchantillonnage sans
remise sur les variables. La prédiction est faite par l'agrégation des prédictions
de l'ensemble des filtres. RS-NDF présente généralement une importante amélioration
des performances par rapport au modèle de base NDF unique. Grâce à
son algorithme d'apprentissage en ligne, l'approche RS-NDF est également en
mesure de suivre les changements dans les données au fil du temps. Plusieurs
métriques de performance montrent que l'approche proposée est plus efficace,
robuste et offre de meilleures performances pour la détection de nouveauté comparée
aux autres techniques existantes.