Attributes | Values |
---|
type
| |
Thesis advisor
| |
Author
| |
alternative label
| - Learning connectedness of a set of points with a generative model : application to data analysis and semi-supervised learning
|
dc:subject
| - Classification
- Thèses et écrits académiques
- Topologie
- Algorithmes EM
- Connexité
- Modèle de mélange
- Analyse exploratoire
- Graphe de Delaunay
|
preferred label
| - Apprentissage statistique de la connexité d'un nuage de points par modèle génératif, application à l'analyse exploratoire et la classification semi-supervisée
|
Language
| |
Subject
| |
dc:title
| - Apprentissage statistique de la connexité d'un nuage de points par modèle génératif, application à l'analyse exploratoire et la classification semi-supervisée
|
Degree granting institution
| |
note
| - Dans cette thèse, nous présentons un modèle statistique permettant d'extraire la connexité des variétés structurantes d'un ensemble de points. Ce modèle combine des approches statistiques et géométriques en définissant un modèle de mélange gaussien construit à partir d'un graphe. A partir de ce graphe génératif, nous proposons et évaluons des méthodes d'analyses exploratoires et de classification non-supervisée et semi-supervisée.
- In this work, we propose a statistical model to learn the connectedness of a set of points. This model combine geometrical and statistical approaches by defining a mixture model based on a graph. From this generative graph, we propose and evaluate methods and algorithms to analyse the set of points and to realize semi-supervised learning.
|
dc:type
| |
http://iflastandar...bd/elements/P1001
| |
rdaw:P10219
| |
has content type
| |
is primary topic
of | |
is rdam:P30135
of | |