Etude et simulations numériques de méthodes de classification supervisée pour les données fonctionnelles

Résumé

Ce mémoire explore l’univers complexe de la classification de données fonctionnelles, allant des principes fondamentaux de la classification aux méthodes appliquées aux données fonctionnelles.
Nous commençons par établir les bases de la classification pour des données multivariées, puis nous nous plongeons dans l’analyse des données fonctionnelles par le lissage des données à l’aide d’un paramètre de rugosité. Nous explorons ensuite cinq classificateurs fonctionnels, chacun adapté à des caractéristiques spécifiques : la méthode des k plus proches voisins, la classification par arbre de décision, celle basée sur la profondeur, la classification à l’aide des fonctions noyaux et enfin une méthode de classification binaire par projection à deux dimensions. Finalement, nous évaluons les performances des classificateurs, avec une validation croisée leave-one-out, en ajustant différents paramètres appropriés pour une perspective plus complète sur leur efficacité. Ces évaluations numériques sont faites pour trois jeux de données différents afin d’offrir des conclusions les plus générales possibles sur les performances des classificateurs étudiés.

la date de réponse	26 janv. 2024
langue originale	Français
L'institution diplômante	Universite de Namur
Superviseur	Germain Van Bever (Jury)