La Factorisation en matrices non négatives "théorie, algorithmes, et applications pour le Data Mining en classification des risques actuariels"

الموضوعات

علوم بحتة وطبيعية

الملخص

Nous présentons dans cette thèse une nouvelle technique pour la factorisation en matrices non négatives qui est la factorisation semi non négative Semi-NMF. La méthode Semi-NMF trouve sa place lorsqu'il n'existe pas de contraintes sur la matrice des données X (c'est une matrice à valeurs réelles). La Semi-NMF décompose X en produit de deux matrices A et B où la matrice A est à valeurs réelles mais la matrice B doit avoir des valeurs réelles positives (autrement dit: non négatives). Le but du Semi-NMF est de trouver la meilleure approximation de X sous le produit des deux matrices A et B

روابط وملفات

التعريف والنوع

رقم الوثيقة

eeef59ec-e948-4926-8940-2ec5053f2014

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

رسائل دكتوراة

نوع الملف

word

أسماء الملفات

1372935_1.docx, 1372935_2.pdf

بيانات النشر

ألقاب المؤلفين

[{"name_ar":" Kamel Boukhetala ","title_ar":"اشراف","title_en":"Supervision"},{"name_ar":"Meriem Chouh","title_ar":"اعداد","title_en":"Preparation"}]

اللغة

French

المصدر والدورية

اسم المصدر

La Factorisation en matrices non négatives "théorie, algorithmes, et applications pour le Data Mining en classification des risques actuariels"

المحتوى والصفحات

عدد الصفحات

0

كلمات الباحثين

Algèbre linéaire, Algorithmes, Exploration de données, Factorisation, Optimisation mathématique

إشراف وإعداد

الإشراف

Kamel Boukhetala

الإعداد

Meriem Chouh

الاقتباسات الببليوغرافية