Université Lille1 - Sciences et Technologies Contribution à l'apprentissage statistique à base de modèles génératifs pour données complexes Apprentissage statistique Modèles probabilistes paramétriques génératifs 519.53 Classification automatique (statistique) Analyse de régression Analyse multivariée Analyse en composantes principales Estimation, Théorie de l' Optimisation combinatoire Text Electronic Thesis or Dissertation fr Les activités de recherche que j'ai menées de 2005 à 2012 s'orientent autour de la thématique de l'apprentissage statistique des données complexes, abordée par le biais de modèles probabilistes paramétriques génératifs. Plusieurs types de données complexes sont considérées. Les données issues de populations différentes ont été abordées en proposant des modèles de lien paramétriques entre populations, permettant d'adapter les modèles statistiques d'une population vers l'autre, en évitant une lourde collecte de nouvelles données. Les données de rang, définissant un classement d'objets selon un ordre de préférence, les données ordinales, qui sont des données qualitatives ayant des modalités ordonnées, et les données fonctionnelles, où l'observation statistique consiste en une ou plusieurs courbes, ont également été étudies. Pour ces trois types de données, des modèles génératifs probabilistes ont été définis et utilisés en classification automatique de données multivariées. Enfin les données de grande dimension, que l'on rencontre lorsque le nombre de variables du problème dépasse celui des observations, ont été étudiées dans un cadre de régression. Deux approches, fruits de deux thèses de doctorat que je co-encadre, sont proposés: l'une utilisant des algorithmes d'optimisation combinatoire pour explorer de façon efficace l'espace des variables, et l'autre définissant un modèle de régression regroupant ensemble les variables ayant un effet similaire. application/pdf 1 : 1 Mo https://pepite-depot.univ-lille.fr/RESTREINT/HDR/2012/50376-2012-279.pdf Jacques Julien 1900-01-01 098191551 2012-01-01 Mathématiques appliquées Université Lille1 - Sciences et Technologies 026404184 HDR non oui Biernacki Christophe 143481045 ddc:510 ASCII PDF 9999 restriction 2012-01-01 9999-01-01 restriction 2012-01-01 9999-01-01