Clustering sous contraintes : intégration incrémentale et active des retours utilisateur
Le clustering sous contraintes vise à exploiter les connaissances des experts lors de la tâche de clustering. Les algorithmes traditionnels supposent que toutes les contraintes pertinentes peuvent être fournies dès le départ, ce qui n'est pas réaliste. Dans cette thèse, nous proposons un cadre...
Enregistré dans:
| Auteur principal: | |
|---|---|
| Autres auteurs: | , , , , , , |
| Format: | Thèse numérique |
| Langue: | Français |
| Publié: |
2025.
|
| Sujets: | |
| Accès en ligne: | Accès au texte intégral https://theses.univ-orleans.fr/public/2025ORLE1050_vm.pdf http://www.theses.fr/2025ORLE1050/abes https://theses.hal.science/tel-05512570 |
| Note: |
Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes - MIPTIS Partenaire(s) de recherche : LIFO - Laboratoire d'Informatique Fondamentale d'Orléans (Laboratoire) Autre(s) contribution(s) : Pierre Gançarski (Président du jury) ; Nadjib Lazaar, Saïd Jabbour, Christel Vrain, Bruno Crémilleux (Membre(s) du jury) ; Nadjib Lazaar, Saïd Jabbour (Rapporteur(s)) |
| Autres localisations: | Voir dans le Sudoc |
| Variante du titre: | Constrained clustering :, incremental and active feedback integration |