Ces rencontres ont pour objectif de présenter des résultats récents et des applications originales en classification sous toutes ses formes, mathématique, informatique et statistique, de favoriser les échanges scientifiques entre ces trois communautés autour de la thématique commune de la classification et de faire connaitre à divers partenaires extérieurs les travaux de ses membres.
Le thème de ces rencontres est la classification et l'analyse de données au sens large et, en particulier, ces thèmes classiques :
Labiod Lazhar, Mohamed Nadif : Approximation matricielle bi-stochastique de k-means et ses variantes
Paul Riverain, Allou Samé, Latifa Oukhellou : Classification et segmentation conjointes de données fonctionnelles, une approche par blocs latents
Rafik Abdesselam : Classification Topologique sur Données Evolutives
Patrice Bertrand, Jean Diatta : Classifications multi-niveaux et convexités d'intervalle : cas de la hiérarchie du lien simple
Labiod Lazhar, Mohamed Nadif : Clustering sur l'hypersphère unitaire via NMF
Thomas Ranvier, Haytham Elghazel, Emmanuel Coquery, Khalid Benabdeslem : Considération de l'Incertitude d'Imputation pour l'Apprentissage des Réseaux de Neurones
Sophie Dominique, Véronique Cariou, Mohamed Hanafi, Jean-Marc Ferrandi, Fabien Llobell : Deux variantes à la méthode de classification FIMIX-PLS dans le cadre des modèles d'équations structurelles
Imed Keraghel, Stanislas Morbieu, Mohamed Nadif : Étude sur la classification d'entités nommées
Klervi Le Gall : Génération de données synthétiques de marche : application au cas de patients atteints de sclérose en plaques
Dominique Desbois : Méthode de classification symbolique appliquée aux estimations d'intervalles de quantiles de coûts et de marges
Amine Ferdjaoui, Séverine Affeldt, Mohamed Nadif : Modèles graphiques causaux interactifs pour les données textuelles
Pascal Préa, Mikhael Carmona, Victor Chepoi, Guyslain Naves : Modules dans les Espaces de Robinson
Mehdi Hennequin, Khalid Benabdeslem, Haytham Elghazel : PAC-Bayesian bornes pour l'adaptation de domaine non supervisé dans un cadre d'apprentissage multi-vue
Reda Khoufache, Mohamed Djallel Dilmi, Hanene Azzag, Etienne Gofinnet, Mustapha Lebbah : Propriétés émergentes du multi-clustering bayésien non paramétrique: Application aux données images multivues
Zineddine Tighidet, Lazhar Labiod, Mohamed Nadif : Réduction de la Dimension et Classification: approche jointe
Mouhamadou Lamine Ndao, Ndèye Niang, Genane Youness, Gilbert Saporta : Revue systématique de la littérature autour de l'XAI du biais et de l'équité par une approche de NLP et de consensus de partitions
Julien Ah-Pine : Sur l'apprentissage d'une matrice d'affinité bistochastique en clustering
Ndèye Niang, Mory Ouattara, Gilbert Saporta : Une comparaison de quelques méthodes de classification de variables mixtes
Mikhael Carmona, Victor Chepoi, Guyslain Naves, Pascal Préa : Un algorithme simple et efficace pour la sériation circulaire
J.-C. Lamirel, F. Lareau, C. Malaterre : La méthode de modélisation thématique CFMf basée sur le clustering neuronal avec maximisation des traits : Comparaison avec LDA sur des études scientifiques