Nous utilisons des cookies pour améliorer votre expérience. Pour nous conformer à la nouvelle directive sur la vie privée, nous devons demander votre consentement à l’utilisation de ces cookies. En savoir plus.
Classification non supervisée par machines à noyaux
Univ Europeenne - EAN : 9786131546440
Édition papier
EAN : 9786131546440
Paru le : 18 nov. 2010
59,00 €
55,92 €
Disponible
Pour connaître votre prix et commander, identifiez-vous
Notre engagement qualité
-
Livraison gratuite
en France sans minimum
de commande -
Manquants maintenus
en commande
automatiquement -
Un interlocuteur
unique pour toutes
vos commandes -
Toutes les licences
numériques du marché
au tarif éditeur -
Assistance téléphonique
personalisée sur le
numérique -
Service client
Du Lundi au vendredi
de 9h à 18h
- EAN13 : 9786131546440
- Réf. fournisseur : 4941550
- Editeur : Univ Europeenne
- Date Parution : 18 nov. 2010
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 164
- Format : H:229 mm L:152 mm E:10 mm
- Poids : 250gr
- Interdit de retour : Retour interdit
- Résumé : La classification automatique non supervisée suscite de plus en plus d''intérêts dans différents domaines des sciences de l''ingénieur. Le principe est justement de doter les machines de la capacité à découvrir des groupes naturels ou classes dans les objets présents aux entrées sans aucune connaissance a priori. Récemment, les machines à noyaux ont connu un vif succès en classification non supervisée. L''idée de base est au lieu de projeter ou classer directement les données, on les transforme dans un espace de caractéristiques de grande dimension où les points images sont susceptibles d''être linéairement séparables. Ensuite, une technique classique sera appliquée sur les points dans cet espace. C''est le principe des méthodes à noyaux ou "kernels": kernel PCA,Kernel K-means, etc. Ce livre montre l''apport des machines à noyaux dans la classification non supervisée notamment en projection et en classification. Les problèmes d''ajustement des paramètres et d''estimation du nombre des classes de ces méthodes à noyaux sont étudiés. Les approches de classification sont testées sur des données audio pour l''aide à la détection d''événements dans le transport publique