L'utilisation des machines à vecteurs de support SVM pour la reconnaissance des chiffres manuscrits

Electronique | 55 pages | 24-07-2007 | Format : | Note : Non noté

PRIX : 9.00€ |

Résumé

Dans ce travail, nous nous intéressons à une nouvelle méthode d'apprentissage et de classification basée sur la théorie de l'apprentissage artificiel de Vapnik. Cette méthode appelée les Machines à Vecteurs de Support (SVMs pour Support Vector Machines) a été adaptée et appliquée au problème de la reconnaissance des chiffres manuscrits. L'avantage des SVMs est qu'un nombre restreint d'échantillon suffit à la détermination des vecteurs de support (SVs) permettant la discrimination entre les classes contrairement à l'estimation statistique. Les résultats obtenus sur des images de la base USPS sont satisfaisants et très encourageants.

Sommaire:

Tables des matières
Introduction générale

CHAPITRE 1 : RECONNAISSANCE DES CHIFFRES MANUSCRITS

1.1. Introduction
1.2. Système standard de reconnaissance des chiffres manuscrits
1.2.1. Acquisition de l'image
1.2.2. Prétraitement
1.2.3. Classification
1.2.4. Post-traitement
1.3. Méthodes de classification
1.3.1. Réseaux de neurones
1.3.2. Support Vecteur Machine (Machines à Vecteur de Support)
1.4. Conclusion

CHAPITRE 2 : MACHINES A VECTEURS DE SUPPORT

2.1. Introduction
2.2. Formulation mathématique des SVMs
2.3. Implémentation multiclasse
2.4. Méthode d'entrainement des SVMs
2.5. Conclusion

CHAPITRE 3 : RESULTATS EXPERIMENTAUX

3.1. Introduction
3.2. Critères d'évaluations
3.3. Apprentissage des SVMs
3.4. Classification binaire
3.5. Classification multi classe
3.6. Comparaison classification binaire et multi-classe
3.7. Présentation de la plateforme
3.8. Conclusion

Conclusion générale
Références bibliographies

Recommandations

Du même auteur

Nouveautés dans la rubrique Electronique

Les plus visités dans la matière Electronique