Bourse de thèse : BDI CNRS co-financée par la région Bretagne.
Sujet :
Étude des
mécanismes d'adaptation
et de rejet pour l'optimisation de
classifieurs : Application à la reconnaissance de
l'écriture manuscrite en-ligne.
Date de soutenance :
5 décembre 2007
à l'Irisa
(Rennes)
Jury :
Rapporteurs :
Examinateurs :
Encadrants de thèse :
Résumé :
L'émergence
de l'informatique
nomade a rendu nécessaire l'utilisation des interfaces
orientées stylo sur des petits
périphériques
mobiles disposant de ressources limitées : l'utilisateur
écrit et dessine des textes, des croquis, des commandes,
etc.
directement sur l'écran tactile du système. Pour
permettre une mise en oeuvre conviviale et efficace de ces nouvelles
modalités de communication, il est nécessaire de
concevoir des moteurs de reconnaissance robustes et performants pour
interpréter l'écriture manuscrite. L'objectif de
ces
travaux est donc d'améliorer les performances des
systèmes de reconnaissance existants en se focalisant sur
deux
axes de recherche : l'adaptation et le rejet.
Le premier axe de recherche, le rejet, permet
d’évaluer la
pertinence de la réponse du classifieur. Pour cela il s'agit
de
délimiter le domaine de validité des
connaissances du
classifieur. Deux natures de rejet peuvent alors être
distinguées :
Pour
mettre en oeuvre ces rejets, nous
présentons un formalisme générique
basé sur
la notion de fonctions de confiance, ainsi que des algorithmes
originaux pour fixer les seuils de décision. En comparant
nos
approches avec des solutions plus classiques, nous montrons leur
capacité de généralisation et leur
adéquation avec les contraintes liées
à notre
applicatif.
Le principe du second axe de recherche, l'adaptation, est de
spécialiser automatiquement un système
conçu pour
reconnaître l'écriture de n'importe quel
utilisateur en un
système dédié à la
reconnaissance de
l'écriture d'une seule personne, l'utilisateur principal du
périphérique mobile. Cette adaptation se fait
à la
volée, c'est-à-dire au fur et à mesure
de
l'utilisation du système par le scripteur.
Notre approche ADAPT permet de réaliser cette adaptation sur
les
systèmes d'inférence floue en respectant nos
contraintes
liées à notre applicatif. Les prototypes flous du
système sont déplacés,
déformés et
créés en tenant compte de tous les
paramètres du
classifieur. Pour accélérer l'adaptation, nous
augmentons
la quantité de données disponibles en
synthétisant
de nouveaux caractères à partir de ceux
déjà entrés par l'utilisateur.