La combinaison des algorithmes d’optimisation par essaims (swarm) et les méthodes d’apprentissage.
No Thumbnail Available
Date
2022
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Un classifieur binaires est un classifieur qui a besoin dans sa phase d’apprentissage de
deux ensembles l'un contient des données positivement étiquetées et l'autre des données
négativement étiquetées. Le but étant d’inférer un modèle de classification à partir de ces deux
ensembles. Il arrive souvent que les données contiennent uniquement une petite partie des
éléments positivement étiquetées, le reste ce sont des éléments non étiquetés. Ce type de
problématique est appelé l’apprentissage positif et non étiqueté. Dans ce contexte, nous avons
proposé une méthode de sélection des meilleurs négatifs fiables basé sur les techniques
d'intelligence en essaim pour qu’on puisse par la suite appliquer la méthode SVM. Pour cela
nous avons proposé la méthode BCSA-SVM qui est une combinaison de binarisation de
l’algorithme Crow Search Algorithm et la méthode SVM.