Classification Non Supervis e Par Machines Noyaux

La classification automatique non supervise suscite de plus en plus d'intrts dans diffrents domaines des sciences de l'ingnieur. Le principe est justement de doter les machines de la capacit dcouvrir des groupes naturels ou classes dans les objets prsents aux entres sans aucune connaissance a priori. Rcemment, les machines noyaux ont connu un vif succs en classification non supervise. L'ide de base est au lieu de projeter ou classer directement les donnes, on les transforme dans un espace de caractristiques de grande dimension o les points images sont susceptibles d'tre linairement sparables. Ensuite, une technique classique sera applique sur les points dans cet espace. C'est le principe des mthodes noyaux ou "kernels": kernel PCA,Kernel K-means, etc. Ce livre montre l'apport des machines noyaux dans la classification non supervise notamment en projection et en classification. Les problmes d'ajustement des paramtres et d'estimation du nombre des classes de ces mthodes noyaux sont tudis. Les approches de classification sont testes sur des donnes audio pour l'aide la dtection d'vnements dans le transport publique