Learning possibilistic graphical models from data

Ce travail s intègre dans le cadre de l apprentissage automatique des réseaux possibilistes, la contrepartie possibiliste des réseaux bayésiens qui représentent une combinaison intéressante entre la théorie des possibilités et les modèles graphiques. Cette thèse présente deux contributions majeures....

Description complète

Enregistré dans:
Détails bibliographiques
Auteurs principaux : Haddad Maroua (Auteur), Leray Philippe informaticien (Directeur de thèse), Ben Amor Nahla (Directeur de thèse), Elouedi Zied (Président du jury de soutenance), Dubois Didier chercheur en informatique (Rapporteur de la thèse), Lefebvre Eric (Rapporteur de la thèse), Tabia Karim (Membre du jury)
Collectivités auteurs : Université de Nantes 1962-2021 (Organisme de soutenance), Université de Tunis 1958-1988 (Organisme de cotutelle), École doctorale Sciences et technologies de l'information et mathématiques Nantes (Ecole doctorale associée à la thèse), Laboratoire d Informatique de Nantes Atlantique (UMR 6241) Nantes (Laboratoire associé à la thèse)
Format : Thèse ou mémoire
Langue : anglais
Titre complet : Learning possibilistic graphical models from data / Maroua Haddad; sous la direction de Philippe Leray et de Nahla Ben Amor
Publié : 2016
Accès en ligne : Accès Nantes Université
Note sur l'URL : Accès au texte intégral
Note de thèse : Thèse de doctorat : Informatique : Nantes : 2016
Thèse de doctorat : Informatique : Université de Tunis : 2016
Sujets :
LEADER 05284clm a2200685 4500
001 PPN201689510
003 http://www.sudoc.fr/201689510
005 20240425055200.0
029 |a FR  |b 2016NANT4036 
033 |a http://www.theses.fr/2016NANT4036 
035 |a (OCoLC)1371481458 
035 |a STAR85629 
100 |a 20170609d2016 k y0frey0103 ba 
101 0 |a eng  |d fre  |d eng  |2 639-2 
102 |a FR 
105 |a ||||ma 00|yy 
135 |a dr||||||||||| 
181 1 |6 z01  |c txt  |2 rdacontent 
181 1 |6 z01  |a i#  |b xxxe## 
182 1 |6 z01  |c c  |2 rdamedia 
182 1 |6 z01  |a b 
183 |6 z01  |a ceb  |2 RDAfrCarrier 
200 1 |a Learning possibilistic graphical models from data  |f Maroua Haddad  |g sous la direction de Philippe Leray et de Nahla Ben Amor 
214 1 |d 2016 
230 |a Données textuelles 
300 |a Thèse soutenue en co-tutelle 
304 |a Titre provenant de l'écran-titre 
314 |a Ecole(s) Doctorale(s) : École doctorale Sciences et technologies de l'information et mathématiques (Nantes) 
314 |a Partenaire(s) de recherche : Laboratoire d Informatique de Nantes Atlantique (UMR 6241) (Nantes) (Laboratoire) 
314 |a Autre(s) contribution(s) : Zied Elouedi (Président du jury) ; Karim Tabia (Membre(s) du jury) ; Didier Dubois, Eric Lefebvre (Rapporteur(s)) 
328 0 |b Thèse de doctorat  |c Informatique  |e Nantes  |d 2016 
328 0 |b Thèse de doctorat  |c Informatique  |e Université de Tunis  |d 2016 
330 |a Ce travail s intègre dans le cadre de l apprentissage automatique des réseaux possibilistes, la contrepartie possibiliste des réseaux bayésiens qui représentent une combinaison intéressante entre la théorie des possibilités et les modèles graphiques. Cette thèse présente deux contributions majeures. La première contribution consiste à proposer une stratégie de validation pour les algorithmes d apprentissage des réseaux possibilistes. Cette stratégie propose un processus d échantillonnage permettant de générer des ensembles de données imprécises à partir de ces modèles et deux nouvelles mesures d évaluation. Notre deuxième contribution consiste à proposer une approche globale pour l apprentissage des paramètres et de la structure des réseaux possibilistes. Nous proposons une fonction de vraisemblance possibiliste pour apprendre les paramètres les réseaux possibilistes et définir une nouvelle fonction de score pour apprendre la structure de ces modèles. Une étude expérimentale détaillée montrant la faisabilité et l efficacité des méthodes proposées a été aussi proposée. 
330 |a This work fits within the framework of learning possibilistic networks, the possibilistic counterpart of Bayesian networks, which represent an interesting combination between possibility theory and graphical models. This thesis presents two major contributions. The first one consists on proposing a validation strategy for possibilistic networks learning algorithms. This strategy proposes a sampling process to generate imprecise datasets from theses models and two new evaluation measures. Our second contribution consists on proposing a global approach to learn the structure and the parameters of possibilistic networks. We propose a possibilistic likelihood function to learn possibilistic networks parameters and to define a new score function used to learn the structure of these models. A detailed experimental study showing the feasibility and the efficiency of the proposed methods has been also proposed. 
337 |a Configuration requise : un logiciel capable de lire un fichier au format : PDF 
541 | |a Apprentissage de modèles graphiques possibilistes à partir de données  |z fre 
606 |3 PPN029630762  |a Possibilités, Théorie des  |2 rameau 
606 |3 PPN029753090  |a Statistique bayésienne  |2 rameau 
606 |3 PPN027940373  |a Apprentissage automatique  |2 rameau 
608 |3 PPN027253139  |a Thèses et écrits académiques  |2 rameau 
610 0 |a Réseaux possibilistes 
686 |a 004  |2 TEF 
700 1 |3 PPN201687909  |a Haddad  |b Maroua  |f 1988-....  |4 070 
701 1 |3 PPN116302011  |a Leray  |b Philippe  |c informaticien  |4 727 
701 1 |3 PPN166082090  |a Ben Amor  |b Nahla  |f 1973-....  |4 727 
701 1 |3 PPN134861892  |a Elouedi  |b Zied  |4 956 
701 1 |3 PPN026839482  |a Dubois  |b Didier  |f 1952-....  |c chercheur en informatique  |4 958 
701 1 |3 PPN201688190  |a Lefebvre  |b Eric  |4 958 
701 1 |3 PPN136400329  |a Tabia  |b Karim  |f 1977-....  |4 555 
711 0 2 |3 PPN026403447  |a Université de Nantes  |c 1962-2021  |4 295 
711 0 2 |3 PPN026404036  |a Université de Tunis  |c 1958-1988  |4 995 
711 0 2 |3 PPN134103211  |a École doctorale Sciences et technologies de l'information et mathématiques  |c Nantes  |4 996 
711 0 2 |3 PPN137062508  |a Laboratoire d Informatique de Nantes Atlantique (UMR 6241)  |c Nantes  |4 981 
801 3 |a FR  |b Abes  |c 20230302  |g AFNOR 
856 4 |q PDF  |s 2918515  |u http://www.theses.fr/2016NANT4036/document  |z Accès au texte intégral 
856 4 |u https://archive.bu.univ-nantes.fr/pollux/show.action?id=8141f93d-5392-4220-9161-0003ffecfaf9 
856 4 |u http://www.theses.fr/2016NANT4036/abes 
930 |5 441099901:778934632  |b 441099901  |j g 
991 |5 441099901:778934632  |a exemplaire créé automatiquement par STAR 
998 |a 775673