| HAL-Inria | Publications, software ... of Inria's scientists |
Conference papers
Méthode d'apprentissage pour la classification à partir d'exemples positifs
Résumé : Cet article présente une méthode d'apprentissage générique et non supervisée à partir d'une seule base d'exemple positif, pour la classification. Le système est formalisé dans un cadre probabiliste. Nous proposons une méthode originale pour approximer la densité de probabilité de la fonction de vraisemblance correspondant aux évènements dit normaux, en utilisant un modèle parcimonieux basé sur des fonctions noyaux. Ce modèle présente l'avantage des méthodes non-paramétriques tout en limitant le coût algorithmique souvent important qui leur est lié. La classification est ensuite effectuée à partir de cette approximation grâce à une notion de confiance. La méthode sera comparée à celle des One Class SVM et testée dans le cas de la détection d'événements rares liés au trafic routier.
Cited literature [15 references]
https://hal.inria.fr/inria-00404617
Contributor : Anne Jaigu Connect in order to contact the contributor
Submitted on : Thursday, July 16, 2009 - 4:19:53 PM
Last modification on : Friday, June 25, 2021 - 9:48:03 AM
Long-term archiving on: : Tuesday, June 15, 2010 - 8:13:43 PM
Contributor : Anne Jaigu Connect in order to contact the contributor
Submitted on : Thursday, July 16, 2009 - 4:19:53 PM
Last modification on : Friday, June 25, 2021 - 9:48:03 AM
Long-term archiving on: : Tuesday, June 15, 2010 - 8:13:43 PM
File
51.pdf
Files produced by the author(s)