Date/heure
Date(s) - 25/10/2024
11 h 00 - 12 h 00
Emplacement
CNAM, accès 35, salle 35.1.53
Catégories
Speaker: Rosanna Verde (Université de la Campania « Luigi Vanvitelli »)
Title: Une méthode de classification basée sur une stratégie de raffinement des données d’échantillonnage avec une extension aux données fonctionnelles.
Abstract: L’augmentation des données caractérisées par des séquences d’observations qui varient dans le temps et l’espace, telles que les courbes et les surfaces, est de plus en plus fréquente. Cela souligne l’importance de l’analyse fonctionnelle des données (ADF). Contrairement aux méthodes traditionnelles, qui traitent les données comme des points discrets ou des vecteurs, l’ADF prend les courbes ou les fonctions entières comme entités d’analyse. Dans ce contexte, une stratégie innovante de classification des données fonctionnelles est proposée afin de :
- Améliorer la précision de la classification en intégrant des techniques d’apprentissage supervisé et non supervisé.
- Utiliser une nouvelle fonction objective pour le regroupement afin de découvrir des modèles cachés.
- Introduire un critère de prévision basé sur le FKNN, qui prend en compte la variabilité des distributions locales des échantillons dans différentes classes.