Andere Kunden interessierten sich auch für
![Apprentissage d'Ensemble de Règles par Analyse de Concepts Formels]( "Apprentissage d'Ensemble de Règles par Analyse de Concepts Formels")
Apprentissage d'Ensemble de Règles par Analyse de Concepts Formels36,99 €![Étude et développement d'une application de localisation et de gestion]( "Étude et développement d'une application de localisation et de gestion")
Étude et développement d'une application de localisation et de gestion43,99 €![étude et mise en place d'un système informatisé de transfert d'argent]( "étude et mise en place d'un système informatisé de transfert d'argent")
étude et mise en place d'un système informatisé de transfert d'argent19,99 €![Renforcement de l¿apprentissage Structurel d¿un Modèle Neuro-flou]( "Renforcement de l¿apprentissage Structurel d¿un Modèle Neuro-flou")
Renforcement de l¿apprentissage Structurel d¿un Modèle Neuro-flou32,99 €![Étude de la collaboration dans un réseau social]( "Étude de la collaboration dans un réseau social")
Étude de la collaboration dans un réseau social23,99 €![Etude comparative des performances des méthodes ensemblistes]( "Etude comparative des performances des méthodes ensemblistes")
Etude comparative des performances des méthodes ensemblistes29,99 €![Détection des arythmies cardiaques par les arbres de décision floue]( "Détection des arythmies cardiaques par les arbres de décision floue")
Détection des arythmies cardiaques par les arbres de décision floue32,99 €
L'Analyse de Concepts Formels (ACF) offre un cadre intéressant pour les méthodes d'apprentissage. Un point fort de l'ACF est de permettre la construction automatique des concepts et des liens de dépendance entre les concepts afin de construire un treillis de concepts formels. Plusieurs méthodes se basent sur la classification à partir d'un treillis complet de concepts formels. D'autres se basent sur la classification à partir d'un semi-treillis. Ces dernières permettent de réduire l'espace de recherche par l'introduction des biais d'apprentissage. L'absence de l'aspect adaptatif est une limite majeure de toutes les méthodes d'apprentissage basé sur l'ACF. Ainsi, ces méthodes considèrent la totalité des données pour l'apprentissage afin de générer des règles de classification d'une façon massive. Les avantages de l'agrégation de classifieurs sont énumérés en détaillant le principe d'AdaBoost. Une méthode de classification basée sur le Boosting de classifieurs (Formal Concepts) permettra de profiter des bienfaits du Boosting et surtout la construction adaptative d'un ensemble de classifieurs. Cette méthode entre dans le cadre de la classification conceptuelle et adaptative par ACF.