LA CLASSIFICATION DES DOCUMENTS PAR APPRENTISSAGE SVM
Des informations générales:
master |
Le niveau |
LA CLASSIFICATION DES DOCUMENTS PAR APPRENTISSAGE SVM |
Titre |
| système embarqué |
SPECIALITE |
Page de garde:
Sommaire:
Introduction
Chapitre I: La classification automatique des Documents et les modèles de représentation
I.1) Introduction
1.2) Définition de la classification automatique des documents : quoi et comment?
1.2.1) La similarité textuelle
1.3) Comment représenter un document ?
1.3.1) Approches pour la représentation des textes
1.3.2) Le prétraitement des documents :
1.3.2.1) Stemmatisation (radicalisation ou «< stemming »)
1.3.2.2) Lemmatisation
1.3.2.3) La << stop-list >>
1.4) Les modèles vectoriels de représentation de documents
Conclusion
Chapitre II : Les algorithmes de classification par apprentissage
II.1) Introduction
II.2) Formulation de la classification en théorie
II.3) Algorithmes de classification
II.3.1) Naïve Bayes
II.3.2) Arbres de décision (AD)
II.4) Machines à Vecteurs Supports (SVM):
II.4.1) Qu’est-ce qu’un SVM?
II.4.2) Classificateur linéaire
II.4.2.1) Définition
II.4.3) Marge de l’hyperplan
II.4.3.1) La séparabilité
II.4.3.2) Marge
II.4.3.3) L’hyperplan canonique
II.4.4) Un problème d’optimisation
II.4.4.1) Le problème à résoudre par la SVM
II.4.4.1.1) Cas séparable
II.4.4.1.2) Marge souple
II.4.5) Les fonctions Noyaux (Kernels)
II.4.5.1) L’espace des caractéristiques
II.4.5.2) Conditions pour avoir un noyau
II.4.5.3) Exemples de kernels
II.4.5.3.1) Kernel polynomial
II.4.5.3.2) Le kernel RBF (Radial Basis Function)
II.4.5.3.3) Composition des kernels
II.4.6) Formulation de SVM
II.4.6.1) Cas linéairement séparable
II.4.6.2) Formulation Soft Margin
Conclusion
Chapitre III : Les algorithmes de décomposition
Introduction
III.1) Les méthodes de décomposition
III.2) Algorithmes de décomposition
III.2.1) L’algorithme SMO (Sequential Minimal Optimization)
III.2.2) L’algorithme de décomposition D’Osuna
III.2.3) L’algorithme SVMlight
Conclusion
Chapitre IV: Evaluation d’un classifieur,expérimentations, et résultats
IV.1) Introduction
IV.2) Évaluation des résultats du classifieur
IV.3) Analyse des besoins
IV.3.1) l’indexation des documents
IV.3.2) Stockage des documents et calcul des kernels
IV.3.3) Optimisation quadratique
IV.3.4) Implémentation de l’algorithme
IV.4)Implémentation
IV.4.1)Le langage de programmation
IV.4.2)Présentation du logiciel
IV.5)Expériences
IV.6)Argumentation et conclusion
Télécharger: