Static and Dynamic Overproduction and Selection of Classifier Ensembles with Genetic Algorithms

Le sujet de cette these porte sur la selection statique et dynamique des ensembles de classificateurs avec algorithmes genetiques. La premiere contribution concerne le travail experimental realise pour caracteriser la diversite dans les ensembles de classificateurs (selection statique). Un cadre experimental tres rigoureux a permis de confirmer empiriquement que la diversite utilisee comme fonction objectif ne permet pas un choix optimal du meilleur ensemble. Une deuxieme contribution importante concerne le phenomene du surapprentissage cause par les algorithmes genetiques mono et multi critere utilises pour la selection des classificateurs. Trois strategies ont ete analysees pour tenter de controler le surapprentissage. Finalement, la contribution la plus importante de cette these est la mise en oeuvre d'une nouvelle strategie pour la selection dynamique des ensembles de classificateurs. L'approche proposee permet la selection, pour chaque exemple a classer, du sous-ensemble de classificateurs le plus confiant pour decider de la classe d'appartenance.