Reconnaissance des formes évolutives par combinaison, coopération et sélection de classifieurs - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Thèse Année : 2001

Pattern recognition by combination, cooperation and selection of classifiers

Reconnaissance des formes évolutives par combinaison, coopération et sélection de classifieurs

Résumé

In the field of Pattern Recognition (PR), imperfect information handling is often carried out by appling several theories dealing with its imprecision, its uncertainty, its incompletion and/or its contradictions. The decision making would then be influenced by this imperfection. An alternative to this handling consists of reducing the effect of this unperfectness by associating several classifiers through several strategies. Combination is one of the possible strategies for the association of several classifiers. However, it is also possible to imagine two other strategies: the first one is to involve several classifiers into cooperation in order to make a final decision, with the possibility that the decision of a classifier could be influenced by another classifier decision. The second consists in selecting the decisions of one or several classifiers according to the situation and/or to time. We propose a {\em classifier system} approach which can involve one or several of these strategies. In the PR framework, we propose, in this thesis, some approaches and some solutions involving the combination, the cooperation and/or the selection of classifiers strategies, while bearing in mind the temporal aspect of the evolving natural objects features. Through the study of the static and dynamic aspects of PR, we suggest that to recognize dynamic classes, there are two possible approaches. When the trajectories of the classes do not intersect and these classes are multi-modal, our approach consists of transforming these dynamic classes into static ones. The classes have then complex shapes. To deal with such classes, an algorithm of classifiers cooperation is proposed. It involves an unsupervised PR method which is able to carry out an adaptive classifier selection and several supervised PR methods. When there are no intersections and the classes evolve in time in a continuous way, the proposed approach consists in transforming the PR system in a dynamic one. A method, based on the modelisation of the system states changes with a fuzzy Petri net, is proposed. The fuzzy specification of these changes allows the prediction of the system states which are the most adapted to the PR problem, at the involved instant.
Lorsque plusieurs classifieurs sont amenés à concourir à une même tâche de reconnaissance, plusieurs stratégies de décisions, impliquant ces classifieurs de différents manières, sont possibles. Une première stratégie consiste à décider suite à différents avis : il s'agit de la combinaison de classifieurs. Une deuxième stratégie consiste à utiliser un ou plusieurs avis pour mieux guider d'autres classifieurs dans leurs phases d'apprentissages, et à utiliser un ou plusieurs avis pour améliorer la prise de décisions d'autres classifieurs dans la phase de classement : il s'agit de la coopération de classifieurs. Enfin, la troisième et dernière stratégie consiste à privilégier un ou plusieurs classifieurs en fonction de divers critères ou en fonction de la situation : il s'agit de la sélection de classifieurs. L'aspect temporel de la RdF, c'est-à-dire l'évolution possible des classes à reconnaître, est traité par la stratégie de la sélection. En étudiant les aspects statiques et dynamiques de la RdF, nous montrons que pour reconnaître des classes dynamiques, deux approches sont possibles. Ces deux approches sont validées sur un ensemble de test. Dans le cas où les trajectoires des classes ne s'intersectent pas et que ces classes sont multimodales, l'approche proposée consiste à transformer ces classes dynamiques en classes statiques. En intégrant l'évolution de ces classes dans le temps, les classes obtenues deviennent alors complexes. Pour traiter ce type de classes, un algorithme de coopération des classifieurs est proposé. Il met en {\oe}uvre, d'une part, une méthode de classification non-supervisée effectuant une sélection adaptative de classifieurs et, d'autre part, plusieurs méthodes de RdF supervisées. Lorsqu'il n'y a pas d'intersection et que les classes évoluent de manière continue dans le temps, l'approche proposée consiste à rendre dynamique le système de RdF. Une méthode, fondée sur la modélisation des changements d'états du système par un réseau de Petri flou, est proposée. La méthode permet de prédire le ou les états du système les mieux adaptés au problème de RdF, à l'instant considéré.
Fichier principal
Vignette du fichier
these_gunes.pdf (3.01 Mo) Télécharger le fichier

Dates et versions

tel-00631621 , version 1 (12-10-2011)

Identifiants

  • HAL Id : tel-00631621 , version 1

Citer

Veyis Gunes. Reconnaissance des formes évolutives par combinaison, coopération et sélection de classifieurs. Apprentissage [cs.LG]. Université de La Rochelle, 2001. Français. ⟨NNT : ⟩. ⟨tel-00631621⟩
324 Consultations
89 Téléchargements

Partager

Gmail Facebook X LinkedIn More