Functional data clustering: a survey - Inria - Institut national de recherche en sciences et technologies du numérique
Journal Articles Advances in Data Analysis and Classification Year : 2014

Functional data clustering: a survey

Abstract

The main contributions to functional data clustering are reviewed. Most approaches used for clustering functional data are based on the following three methodologies: dimension reduction before clustering, nonparametric methods using specific distances or dissimilarities between curves and model-based clustering methods. These latter assume a probabilistic distribution on either the principal components or coefficients of functional data expansion into a finite dimensional basis of functions. Numerical illustrations as well as a software review are presented.
Nous présentons dans cet article une revue des méthodes de classification automatique pour données fonctionelles. Ces techniques peuvent être classées en trois catégories: les méthodes procédant à une étape de réduction de dimension avant la classification, les méthodes non paramétriques qui utilisent des techniques de classification automatique classiques couplées à des distances ou dissimilarités spécifiques aux données fonctionnelles, et enfin, les techniques à base de modèles génératifs. Ces dernières supposent un modèle probabiliste soit sur les scores d'une analyse en composantes principales fonctionnelle, soit sur les coefficients des approximations des courbes dans une base de fonctions de dimension finie. Une illustration numérique ainsi qu'une revue des logiciels disponibles sont également présentées.
Fichier principal
Vignette du fichier
RR-8198.pdf (699.11 Ko) Télécharger le fichier
Origin Files produced by the author(s)

Dates and versions

hal-00771030 , version 1 (08-01-2013)

Identifiers

Cite

Julien Jacques, Cristian Preda. Functional data clustering: a survey. Advances in Data Analysis and Classification, 2014, 8 (3), pp.24. ⟨10.1007/s11634-013-0158-y⟩. ⟨hal-00771030⟩
597 View
15423 Download

Altmetric

Share

More