Publisher's Synopsis
La technique des machines � vecteurs supports (SVM) est une m�thode d'apprentissage statistique qui a connu, cette derni�re d�cennie, un grand d�veloppement en th�orie et en application. Elle repose sur un fondement th�orique solide bas� sur le principe de maximisation de la marge, ce qui lui confie une grande capacit� de g�n�ralisation. Les SVMs ont �t� utilis�es avec succ�s dans plusieurs domaines tels que la reconnaissance des visages, des textes manuscrits, de la parole, ...etc. Dans ce travail, nous avons trait� la question de l'utilisation de la m�thode SVM pour l'analyse des bases de donn�es. En effet, Le processus d'analyse passe par plusieurs �tapes, dans chacune, les donn�es subissent des traitements qui peuvent �tre optimis�s par l'utilisation de la m�thode SVM. Le travail pr�sent� ici propose deux techniques d'acc�l�ration des SVMs, la premi�re pour les SVMs binaires tandis que la deuxi�me pour les SVMs multiclasses. Les contributions propos�es ont �t� valid�es sur des donn�es artificielles et r�elles largement utilis�es par la communaut�, et appuy�es par des analyses montrant leurs avantages et leurs limites.
