Abstract:
L’apprentissage automatique fournit des méthodes intelligentes capables d’analyser des données et d’extraire des informations automatiquement à partir des grandes masses de données. Les
méthodes classiques peuvent être appliquées aux données linéairement séparables. Toutefois, les
problèmes répondant à ces contraintes sont rares. En effet, la majorité des problèmes disposant
de données non linéament séparables ou des données qui peuvent être représentées sous forme
structurée (séquences, arbres, graphes, . . . ). Les méthodes à noyaux est une approche efficace
pour faire face à ces problèmes.
Par ailleurs, les noyaux de séquences sont largement utilisés dans l’analyse des données séquentielles. Les chercheurs ont consacré un grand effort aux noyaux de séquences en se focalisant sur
des problèmes spécifiques. Ceci conduit à une variété de noyaux de séquences.
Dans ce mémoire, notre objectif consiste à présenter et implémenter une plate-forme générale
pour calculer les noyaux de séquences. En effet, ceci peut être considéré comme une contribution
à l’unification des algorithmes d’apprentissage.
Pour assurer une bonne intégration de notre implémentation dans un environnement d’apprentissage automatique, nous avons choisi KNIME comme plate-forme de développement
