1

1) Introduction

• Exemple d'un système de RdF
• Différents modèles de RdF
• Concepts fondamentaux des méthodes statistiques de RdF
• Notions de similarité, de ressemblance et de classes
• Champs d'application

2

2) Méthodologie de la reconnaissance de formes

• Approche du problème
• Notion d'apprentissage
• Choix de la représentation : notion d'invariant

3 & 4

3) Théorie bayésienne de la décision

• Notations utilisées
• Règle de décision bayésienne
• Rappel du théorème de Bayes
• Conséquences pratiques.

5

4) Techniques non paramétriques

• Introduction
• Estimation de la fonction densité
• Estimateur de densité de Kernel de Parzen
• Estimateur de K-plus proches voisins.

6

5) Fonctions discriminantes linéaires

• Introduction
• Séparation linéaire
• Algorithme du perceptron
• Algorithme de Ho-Kashyap
• Séparation linéaire optimum
• Partition en k-classes à l'aide d'hyperplans
• Avantages et limite de la séparation linéaire
• Surfaces séparatrices polynomiales

7

6) Classification Automatique (Clustering)

• Introduction
• Classification à l'aide de distance minimale. Application
• Recherche de clusters
• Méthodes des nuées dynamiques
• Méthodes de k-means, c-means, …

8

7) Introduction et Vue d'Ensemble

9

8) Appariement et Chaînes pour la RdF Structurelle

• Introduction
• Distance entre chaînes de symboles.

10

9) Grammaires de Chaînes pour la RdF Syntaxique

• Les langages
• Applications de l'analyse et de la description structurelle
• Grammaire de Chaînes pour la RdF Syntaxique

11

10) Analyse Syntaxique et Correction d'erreurs pour les Grammaires de Chaînes

• Analyseurs syntaxiques pour les langages à contexte libre
• Analyseurs syntaxiques avec correction d'erreurs pour les langages à contexte libre

12

11) Apprentissage Via l'Inférence Grammaticale

• Inférence grammaticale et reconnaissance de formes
• Difficultés dans l'apprentissage structurel
• Formulation du problème

13

12) Méthodes hybrides de reconnaissance des formes et Applications