ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Auteurs : soumettez
votre article en ligne
Autres revues >>

Technique et Science Informatiques

0752-4072
Revue des sciences et technologies de l'information
 

 ARTICLE VOL 35/3 - 2016  - pp.263-288  - doi:10.3166/tsi.35.263-288
TITRE
PCF-SVM : une nouvelle méthode de sélection d’attributs pour la classification supervisée

TITLE
PCF-SVM : a new feature selection method for supervides classification

RÉSUMÉ
Le présent papier étudie la problématique de la sélection des attributs dans un contexte de classification supervisée. La méthode proposée s’inspire des principes des machines à vecteurs supports (SVM) pour l’évaluation des sous-ensembles d’attributs retenus. Ces derniers sont sélectionnés en s’appuyant sur une analyse en composantes principales (ACP) permettant de mettre en exergue les attributs les plus explicatifs des données. La méthode proposée se classe parmi les méthodes intégrées pour la sélection d’attributs puisque son fonctionnement est étroitement lié à l’algorithme de classification employé qui est celui des SVM. Son hybridation avec l’ACP lui offre la possibilité d’ordonner les attributs pour en sélectionner les meilleurs, chose que les autres méthodes intégrées ne peuvent généralement pas accomplir. Les résultats obtenus ont montré un gain considérable en temps de calcul et en performance de classification lorsqu’ils sont comparés à ceux obtenus par d’autres méthodes issues de la littérature de la sélection d’attributs.


ABSTRACT
This paper studies the problem of feature selection in the context of supervised classification. The proposed method is based on the principles of support vector machines (SVM) for the evaluation of subsets of selected features. The Principal component analysis (PCA) method is also usedto highlight the features that explain the most the data. The proposed method is an embedded one as its operation is closely related to the classification algorithm used is that SVM. Hybridized with the ACP it offers the possibility of ordering attributes to select the best thing that other integrated methods can not accomplish. The results showed a significant gain in computation time and classification performance when compared to those obtained by other methods from the literature of feature selection.


AUTEUR(S)
Salma JAMOUSSI, Yassine BEN AYED

Reçu le 15 février 2014.    Accepté le 28 octobre 2015.

MOTS-CLÉS
Sélection d’attributs, méthode intégrée, classification supervisée, SVM, ACP

KEYWORDS
Feature selection, integrated method, supervised classification, SVM, PCA

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 12.5 €
• Non abonné : 25.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (392 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier