The subject of this thesis is the semi-supervised classification which is considered in decision-making perpective.
We focus our research on generative models for which the semi-supervised classification is considered without difficulty, unlike predictive framework that requires additional unnatural assumptions.
Nous concentrons notre recherche sur les modèles génératifs où la classification semi-supervisée s'envisage sans difficulté, contrairement au cadre prédictif qui nécessite des hypothèses supplémentaires peu naturelles.
Abstract: The subject of this thesis is the semi-supervised classification which is considered in decision-making perspective.
In a presently preferred embodiment, an (unsupervised) algorithm is used to generate seed attributes and values which can then support a supervised or semi-supervised classification algorithm.
Dans un mode de réalisation actuellement préféré, un algorithme (non supervisé) sert à générer des attributs et des valeurs de graine capables de soutenir un algorithme de classification supervisé ou non supervisé.
Having developed a state of the art of semi-supervised classification, we describe the estimation of parameters of a classification model using labeled data and unlabeled data by the EM algorithm.
Après avoir dressé un état de l'art de la classification semi-supervisée, nous décrivons l'estimation des paramètres d'un modèle de classification à l'aide de données étiquetées et non étiquetées par l'algorithme EM.
Having developed a state of the art of semi-supervised classification, we describe the parameters estimation of a classification model using labeled data and unlabeled data by the EM algorithm.
Après avoir dressé un état de l'art de la classification semi-supervisée, nous décrivons l'estimation des paramètres d'un modèle de classification à l'aide de données étiquetées et non étiquetées par l'algorithme EM.
Over past years the semi-supervised classification, which uses unlabeled data in order to improve the classification rule accuracy, has known a great development, especially in Machine Learning community.
Au cours des dernières années la classification semi-supervisée, qui fait usage des données non classées pour améliorer la précision de la règle de classement apprise, a connu un essor important, ceci notamment dans la communauté du Machine Learning.
These measures are then assessed on a semi-supervised classification task, trying to infer missing node labels from the ones already present in the test datasets.
Ces mesures sont ensuite évaluées sur une tâche de classification semi-supervisée dont l'objectif est de prédire les étiquettes manquant sur certains nœuds à partir de celles attachées aux autres nœuds.
Our adaptive classification approach uses a weighted likelihood to combine the information from the unlabelled and labeled populations at varying degree so that unlabelled data can provide full influence parameter estimation (semi-supervised classification), no influence on parameter estimation (dis
Pour notre approche de classification adaptative, nous utilisons une vraisemblance pondérée qui permet de combiner l'information provenant des populations avec et sans étiquettes à différents degrés. L'objectif est que les données sans étiquette puissent fournir une estimation de paramètres d'influe
Semi-supervised classification for dynamic Android malware detection [find similar] [try Google]
Catégorisation des mesures d'intérêt pour l'extraction des connaissances [find similar] [try Google]
We focus our research on generative models for which the semi-supervised classification is considered without difficulty, unlike predictive framework that requires additional unnatural assumptions.
Nous concentrons notre recherche sur les modèles génératifs où la classification semi-supervisée s'envisage sans difficulté, contrairement au cadre prédictif qui nécessite des hypothèses supplémentaires peu naturelles.
Andere resultaten
Our first contribution is a hybrid approach, that successfully combines ontology-based reasoning and semi-supervised clustering for semantic classification.
Notre première contribution est une approche hybride, qui exploite conjointement le raisonnement à base d'ontologie et le clustering semi-supervisé.
Since then he has continued to work as a research programmer and research assistant in computational linguistics: he has worked on semi-supervised verb classification at the University of Toronto and on the token-wise disambiguation of verbs at the University of Geneva.
Depuis, il travaille en tant que programmeur et assistant à la recherche en linguistique informatique : il a travaillé à la classification semi-supervisée des verbes à l'Université de Toronto and à la désambiguïsation d'occurrences de verbes à l'Université de Genève.