FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W142401087> ?p ?o ?g. }

• W142401087 abstract "L'apprentissage statistique etablit un modele de classification probabiliste. Dans le cas supervise, ce modele est estime a partir d'un jeu de donnees labelisees, i.e. a chaque observation correspond un label. Dans le cas faiblement supervise, le label n'est pas exactement connu. Dans notre cas, seule la probabilite d'associer une observation a une classe est connue. Ainsi a chaque observation correspond un vecteur de probabilite d'affectation aux differentes classes. Les methodes developpees dans cet article sont appliquees a la reconnaissance d'objets dans une image. Nous disposons de plusieurs images contenant des objets a classifier. La verite terrain pour les images d'apprentissage est la proportion relative des classes dans chaque image. Cette proportion globale donne la probabilite d'affectation de chaque objet de l'image d'apprentissage. L'originalite de ce papier est dans l'association d'un ensemble de donnees d'apprentissage labelisees en proportion avec un modele probabiliste de classification base sur la combinaison de plusieurs modeles discriminants dont la combinaison s'effectue a l'aide d'une technique de Bagging. Deux modeles de classification (l'un Bayesien et l'autre discriminant) sont compares sur des donnees provenant de campagnes oceanographiques (l'objectif etant de reconnaitre a quelle classe d'espece est affecte un banc de poissons dans une image, la proportion des classes etant donnee par chalutage). Pour ce jeu de donnees, le modele discriminant est plus robuste au nombre de classes presentes dans l'image. L'apport du bagging est mis en evidence pour le modele discriminant." @default.
• W142401087 created "2016-06-24" @default.
• W142401087 creator A5015961386 @default.
• W142401087 creator A5033746791 @default.
• W142401087 creator A5075497720 @default.
• W142401087 date "2009-11-08" @default.
• W142401087 modified "2023-09-25" @default.
• W142401087 title "Classification et apprentissage faiblement supervisé en acoustique halieutique" @default.
• W142401087 cites W1594031697 @default.
• W142401087 cites W1949116567 @default.
• W142401087 cites W2049633694 @default.
• W142401087 cites W2120995095 @default.
• W142401087 cites W2128314196 @default.
• W142401087 cites W2130545822 @default.
• W142401087 cites W2147431435 @default.
• W142401087 cites W2912934387 @default.
• W142401087 cites W3023786531 @default.
• W142401087 hasPublicationYear "2009" @default.
• W142401087 type Work @default.
• W142401087 sameAs 142401087 @default.
• W142401087 citedByCount "0" @default.
• W142401087 crossrefType "proceedings-article" @default.
• W142401087 hasAuthorship W142401087A5015961386 @default.
• W142401087 hasAuthorship W142401087A5033746791 @default.
• W142401087 hasAuthorship W142401087A5075497720 @default.
• W142401087 hasConcept C41008148 @default.
• W142401087 hasConceptScore W142401087C41008148 @default.
• W142401087 hasLocation W1424010871 @default.
• W142401087 hasLocation W1424010872 @default.
• W142401087 hasOpenAccess W142401087 @default.
• W142401087 hasPrimaryLocation W1424010871 @default.
• W142401087 hasRelatedWork W1596801655 @default.
• W142401087 hasRelatedWork W2130043461 @default.
• W142401087 hasRelatedWork W2350741829 @default.
• W142401087 hasRelatedWork W2358668433 @default.
• W142401087 hasRelatedWork W2376932109 @default.
• W142401087 hasRelatedWork W2382290278 @default.
• W142401087 hasRelatedWork W2390279801 @default.
• W142401087 hasRelatedWork W2748952813 @default.
• W142401087 hasRelatedWork W2899084033 @default.
• W142401087 hasRelatedWork W2530322880 @default.
• W142401087 isParatext "false" @default.
• W142401087 isRetracted "false" @default.
• W142401087 magId "142401087" @default.
• W142401087 workType "article" @default.