Actes - Société Francophone de Classification

Recommendations

Info

de taille limitée. Il ne me paraît pas possible de défendre le compromis retenu, sans présenter en même temps nos excuses aux auteurs dont la communication apparaîtrait à leurs yeux, placée dans une session inadaptée. L'intitulé des sessions est lui aussi un compromis, destiné seulement à annoncer une thématique majoritaire et non à couvrir tous les exposés .... On doit enfin rajouter au chapitre des difficultés de planification, le positionnement des communications sur des applications. Il nous a semblé inadapté de prévoir des sessions applications, du fait de l'importance que nous attribuons à l'existence de telles soumission. Nous avons donc souvent utilisé ces communications pour équilibrer les sessions, en partant du principe que tous les congressistes seront intéressés par des applications. Au bilan, nous avons souhaité organiser chaque créneau horaire consacré aux communications libres en deux sessions en parallèle. Une exception à cette règle concerne le jeudi après midi. Nous avons en effet souhaité offrir à tous les participant la possibilité d'assister à la session CLADAG proposée et organisée par nos collègues italiens. Nous avons été très sensibles à cette proposition amicale et prometteuse. Nous tenions à en faire profiter le plus grand nombre de participants. Le présent document fournit les textes de présentation des communications soumises. Quelque soient les difficultés techniques du travail du comité de programme évoquées plus haut, l'essentiel est ailleurs : Il me semble utile de noter que la diversité et la qualité de bien des textes reçus ont rendu très intéressantes et parfois passionnantes les lectures du comité de programme. Il me revient donc, en guise de conclusion, de remercier en son nom tous les auteurs de soumissions. Nous ne pouvons qu'espérer que notre bilan optimiste soit partagé par tous les participants au congrès SFC'2009. ii Gérard d’Aubigny, Président du CP
Comité de programme Président : Gérard D’Aubigny LJK, UPMF • Antoniadis Anestis UJF, Grenoble 1 • Azzag Hanene LIPN, Paris 13 • Bock Hans-Hermann RWTH Aachen, Allemagne • Brito Paula Université de Porto, Portugal • Bruckner François Université de Metz • Celeux Gilles INRIA, Paris • Chavent Marie IMB, Bordeaux • Cleuziou Guillaume LIFO, Orléans • Crémilleux Bruno GREYC, Caen • Demongeot Jacques UJF, Grenoble 1 • Drouet d'Aubigny Gérard UPMF, Grenoble 2 • Girard Stéphane INRIA, Montbonnot • Govaert Gérard UTC, Compiègne • Guénoche Alain CNRS, Marseille • Hardy André Université de Namur, Belgique • Hérault Jeanny INPG, Grenoble 1 • Nédellec Claire INRA, Jouy en Josas • Lebba Mustapha LIPN, Paris 13 • Lechevallier Yves INRIA, Rocquencourt • Poncelet Pascal Université Montpellier 2 • Rouveirol Céline Institut Galilée, Paris Nord • Sebag Michèle LRI, Orsay, Paris Sud • Vichi Maurizio La sapienza Roma1, Italie • Zighed Djamel Université Lumière Lyon 2 Comité de d’organisation Présidents : Ahlame Douzal TIMC-IMAG, UJF Gilles Bisson TIMC-IMAG, CNRS • Anne Guérin GIPSA-lab, Grenoble-INP • Eric Gaussier LIG, UJF • Cécile Amblard TIMC-IMAG, UJF • Jérôme Gensel LIG, UPMF Partenaires de la conférence iii
Page 1: XVIèmes Rencontres de la Société
Page 5: Préface Construire le programme sc
Page 10 and 11: Classification supervisée avec sec
Page 12 and 13: DONNEES SYMBOLIQUES Extension de l'
Page 15 and 16: Réduction non-linéaire de dimensi
Page 17 and 18: Inférence de langages stochastique
Page 19 and 20: Approximations en norme du supremum
Page 21 and 22: Ordonnancement et optimisation de l
Page 23 and 24: Forêts aléatoires : importance et
Page 25 and 26: Adaptation des modèles d’auto-or
Page 27 and 28: - le critère objectif évalue le d
Page 29 and 30: Kohonen Approach for Assisted Livin
Page 31 and 32: 4. Results During the Quatra projec
Page 33 and 34: Auto-organisation d’une structure
Page 35 and 36: structure/problème sont les suivan
Page 37 and 38: A Latent Logistic Model to Uncover
Page 39 and 40: The maximum ln p(X | α, ˜ W) of L
Page 41 and 42: Classification de variables et dét
Page 43 and 44: Afin de contourner cette difficult
Page 45 and 46: Données manquantes en ACM : l’al
Page 47 and 48: Application des SVM à la classific
Page 49 and 50: TABLE 1. Paramètres retenus pour l
Page 51 and 52: Dissimilarity-based metric for data
Page 53 and 54: where ! = [1 1 "1 "2] T is the norm
Page 55 and 56: Analyse Discriminante Dissymétriqu
Page 57 and 58:
Propriété: My étant un produit s
Page 59 and 60:
Classification supervisée avec sec
Page 61 and 62:
sique, Ii est classée selon la mé
Page 63 and 64:
Discrimination sur des données arb
Page 65 and 66:
2.3. Indices de similarité sur les
Page 67 and 68:
Reliability of error estimators in
Page 69 and 70:
FIG. 1. Comparison of the true and
Page 71 and 72:
Comparaison et classification de s
Page 73 and 74:
ang k =0est associé au vecteur con
Page 75 and 76:
Apprentissage de différentes class
Page 77 and 78:
TAB. 1. Caractéristiques des donn
Page 79 and 80:
Comparaison et évaluation de métr
Page 81 and 82:
g ∈ [−0.05, 0.05] et ag ∈ [0,
Page 83 and 84:
Analyse de la stabilité d’une pa
Page 85 and 86:
algorithme de partionnement Ak en k
Page 87 and 88:
Indice de distance sur les structur
Page 89 and 90:
Imbrication de deux partitions semi
Page 91 and 92:
Détermination du nombre de classes
Page 93 and 94:
à la disjonction floue des degrés
Page 95 and 96:
Distance de compression et classifi
Page 97 and 98:
On appelle fermé minimal de E, tou
Page 99 and 100:
!"#$%&'(&#)*+"#$%&**","#$)##&%-."#$
Page 101 and 102:
!"#$%#&'()'*'+#$,'-.$/%#'0'()'1'-.$
Page 103 and 104:
Une méthode de partitionnement pou
Page 105 and 106:
3. Applications Dans cette section,
Page 107 and 108:
Classification hiérarchique de don
Page 109 and 110:
j et x je i =1si l’individu i pre
Page 111 and 112:
Structure des réseaux phylogénét
Page 113 and 114:
Ce théorème de décomposition en
Page 115 and 116:
Résumés de textes par extraction
Page 117 and 118:
alors que TEXTRANK décrit un proce
Page 119 and 120:
Analyse de graphes de données text
Page 121 and 122:
minimal de toute triangulation mini
Page 123 and 124:
Estimation des paramètres d’une
Page 125 and 126:
La dérivée f ′ d ln Γ(x) (δ)
Page 127 and 128:
Vers une discrétisation locale pou
Page 129 and 130:
2.2. Les treillis dichotomiques et
Page 131 and 132:
Combiner treillis de Galois et anal
Page 133 and 134:
FIG. 1. Résultats de l’AFM et tr
Page 135 and 136:
An approach based on Formal Concept
Page 137 and 138:
In this paper, we only consider num
Page 139 and 140:
Tatouages et motivations pour se fa
Page 141 and 142:
FIGURE 1 - !"#$%&'%(&"(()*+"$+),(&%
Page 143 and 144:
Approche pour le suivi des changeme
Page 145 and 146:
Total of clusters 0 1 2 3 4 5 6 7 8
Page 147 and 148:
Classification des émotions dans u
Page 149 and 150:
3. Méthode Conformément à la pro
Page 151 and 152:
Utilisation de RandomForest pour la
Page 153 and 154:
par pouvoir discriminant décroissa
Page 155 and 156:
Une méthode de combinaison de rés
Page 157 and 158:
Avant d’expliquer la manière don
Page 159 and 160:
Consensus de partitions : une appro
Page 161 and 162:
une partition de score nul. Le cas
Page 163 and 164:
Analyse en Composantes Principales
Page 165 and 166:
modalité), la matrice de variance
Page 167 and 168:
Une méthode d’ACP de données en
Page 169 and 170:
B n = Mn ( ZnZ n '! " n" n '), On d
Page 171 and 172:
Régression - corrélation : un poi
Page 173 and 174:
où les b j i (resp. les b0i )dési
Page 175 and 176:
Classification non-supervisée de d
Page 177 and 178:
Algorithm 1 CoFKM Entrée : Ensembl
Page 179 and 180:
Classification floue de données in
Page 181 and 182:
x " i xˆ # x " i " iMAX ! x ! ! iM
Page 183 and 184:
!"#$%&'()&"*+ #,'+ #$-,*#(*.,'+ %".
Page 185 and 186:
!"#$%&'#()*+,-+."(+/&,01/1."$(-"2$+
Page 187 and 188:
Classification sous contraintes gé
Page 189 and 190:
3. Introduction du Modèle Nous pro
Page 191 and 192:
177
Page 193 and 194:
179
Page 195 and 196:
New LISA indices for spatio-tempora
Page 197 and 198:
semi-definite positive by construct
Page 199 and 200:
K-mean clustering of misaligned fun
Page 201 and 202:
Moreover, define the labelling func
Page 203 and 204:
Multiple Comparison Procedures for
Page 205 and 206:
3. Simulation study and results A s
Page 207 and 208:
Dynamic clustering of data describe
Page 209 and 210:
H where i p ( ) ( j f H f ) i = ! j
Page 211 and 212:
Correspondence analysis with linear
Page 213 and 214:
where UT U = I, VT V = I and Λ is
Page 215 and 216:
Applying Differential Geometric LAR
Page 217 and 218:
Let ru (β A(γ)) = (ru(β1(γ0)),
Page 219 and 220:
Catégorisation de documents à l
Page 221 and 222:
3.2. Les résultats Les documents o
Page 223 and 224:
Essais de classification par l’in
Page 225 and 226:
Pour la modélisation de l’interm
Page 227 and 228:
Index R. Abdesselam 41 J. Aguilar-M
show all

Actes - Société Francophone de Classification

Create successful ePaper yourself

Delete template?

Save as template?