Classification des régresseurs non linéaires en utilisant un classificateur SVM. Magister thesis, Université de Batna 2. (2012)
No Thumbnail Available
Date
2017-04-27
Authors
Val khyarkoum, Ould Ahmed
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
La régression non linaire peut se faire avec des modèles à base de réseaux de neurones ou avec des modèles à base des noyaux, on utilise dans ce travail les modèles les plus connus : le réseau à fonctions radiales de base (Radial Basis Functions) RBF, le perceptron multi couches (Multi-Layer Perceptron) MLP et les machines à vecteurs de support (Support Vector Machine) SVM, après avoir établi les résultats des trois modèles utilisées dans la régression (RBF, MLP, SVM) un problème fondamental se pose, il s’agit du choix du meilleur régresseur. Pour résoudre ce problème on a établi une méthode qui consiste à faire apprendre à un classificateur SVM par les matrices d’entrée d’une base de données, la sortie représente la meilleure réponse parmi trois régresseurs (RBF, MLP, SVM) exprimée sous forme de classes afin de fixer les paramètres du modèle classificateur, une fois le classificateur est validé, il devient capable de faire la classification sur un ensemble de données qui n’est pas précédemment utilisée ni pour l’apprentissage ni pour la validation, la classification ici est l’action d’associer à chaque échantillon de la base de données utilisée un regresseur parmi les modèles mis en jeu (RBF ou MLP ou SVM).