offres d'emploi formations actualités contact accès annuaire intranet
Thèses >

Classification spectrale semi-supervisée. Application à la surveillance de l’écosystème marin.

Guillaume Wacquet - manuscrit

jeudi 8 décembre 2011 à 10h30

salle B014


Dans les systèmes d’aide à la décision, sont généralement à disposition des données numériques abondantes et éventuellement certaines connaissances contextuelles qualitatives, disponibles a priori ou fournies a posteriori par retour d’expérience. Les performances des approches de classification, en particulier spectrale, dépendent de l’intégration de ces connaissances dans leur conception. Les algorithmes de classification spectrale permettent de traiter la classification sous l’angle de coupes de graphe. Ils classent les données dans l’espace des vecteurs propres de la matrice Laplacienne du graphe. Cet espace est censé mieux révéler la présence de groupements naturels linéairement séparables.

Dans ce travail, nous nous intéressons aux algorithmes intégrant des connaissances type contraintes de comparaison. L’espace spectral doit, dans ce cas, révéler la structuration en classes tout en respectant, autant que possible, les contraintes de comparaison. Nous présentons un état de l’art des approches spectrales semi-supervisées contraintes. Nous proposons un nouvel algorithme qui permet de générer un sous-espace de projection par optimisation d’un critère de multi-coupe normalisé avec ajustement des coefficients de pénalité dus aux contraintes. Les performances de l’algorithme sont mises en évidence sur différentes bases de données par comparaison à d’autres algorithmes de la littérature.

Dans le cadre de la surveillance de l’écosystème marin, nous avons développé un système de classification automatique de cellules phytoplanctoniques, analysées par cytométrie en flux. Pour cela, nous avons proposé de mesurer les similarités entre cellules par comparaison élastique entre leurs signaux profils caractéristiques.