Adrien Faivre
(LMB)
Certains problèmes de classification de données demandent la résolution de problèmes d’optimisation difficiles, pour lesquels on ne connaît pas d’algorithme efficace. Leur résolution passe donc en pratique par certaines approximations. Elles doivent dans l’idéal dénaturer le moins possible le problème de départ, et donner une solution relâchée proche de la solution du problème initial. Dans cet exposé, on présentera des méthodes permettant de donner des garanties sur la distance entre la solution du problème approché, et celle du problème de départ. On montrera ensuite quelques exemples issus de l’analyse d’image. La classification des pixels d’une image de grande résolution, celles issues de spectroscopies par exemple, nécessitent en effet de procéder à de telles approximations.