Titre original :

Classification interactive multidimensionnelle par les réseaux neuronaux et la morphologie mathématique

  • Langue : Français
  • Discipline : Productique
  • Identifiant : Inconnu
  • Type de thèse : Doctorat
  • Date de soutenance : 01/01/1993

Résumé en langue originale

Dans ce mémoire, nous avons proposé une méthodologie qui permet à un opérateur de maîtriser le procédé de classification en visualisant les données grâce à un réseau de neurones multicouche. Ce support visuel est alors utilisé pour classer les observations selon différentes procédures plus ou moins interactives. La représentation plane des données mise en oeuvre utilise une réseau neuronal multicouche. L'apprentissage s'effectue en mode non supervisé par la technique de rétro propagation. La visualisation plane est exploitée par l'appui de techniques de classification telle la procédure isodata avec laquelle l'analyste garde un contact étroit avec les données. Cette méthode donne de très bons résultats quand les classes, en présence dans l'échantillon ont des formes sphériques. Pour les cas où les classes ne sont pas sphériques, nous proposons une nouvelle approche fondée sur l'utilisation de critères géométriques et structuraux en faisant appel à la morphologie mathématique. Cette nouvelle approche aboutit à la classification des données en deux étapes successives: une étape de détection des modes et une étape de classification des observations s'appuyant sur les modes détectés. La détection des modes est réalisée par application de l'algorithme de la ligne de partage des eaux. Enfin, afin de préciser les domaines de validité de chacune des méthodes, nous comparons les résultats obtenus avec chacune d'elles. Cela nous permet de proposer une méthodologie de travail pour l'analyste confronte au problème de classification de ces données

  • Directeur(s) de thèse : Postaire, Jack-Gérard

AUTEUR

  • Daoudi, Mohamed
Droits d'auteur : Ce document est protégé en vertu du Code de la Propriété Intellectuelle.
Accès libre