Analyse des données issues de puces à ADN par la méthode de classification SVM

Abstract

problème de la sélection de variables en classification se pose généralement lorsque le nombre de variables est très élevé. Néanmoins si l’on doit traiter des données décrites par un grand nombre de variables, les méthodes classiques d’analyse, d’apprentissage ou de fouille de données peuvent se révéler inefficaces ou peuvent conduire à des résultats peu précis. Dans ce mémoire, nous proposons une méthode innovante basée sur une méta-heuristique de recuit simulé combinée avec la méthode de classification SVM, pour réduire la taille initiale des données et pour sélectionner des ensembles de variables pertinents pour le but d’une classification supervisée des données issues de puces d’ADN.