Clustering sous contraintes utilisant SAT
Abstract
Le clustering a pour objectif de partitionner un ensemble de données (transactions) en groupes (clusters) d'une manière telle que les transactions appartenant à un même cluster soient similaires mais différentes de celles appartenant aux autres clusters. Le clustering sous contraintes a pour objectif de trouver des clusters plus pertinents en spécifiant, sous forme de contraintes, les propriétés requises. Nous avons proposé [16] un langage à base de ontraintes pour l'extraction de motifs combinant plusieurs motifs locaux. Dans cet article, nous nous intéressons à la mise en œuvre en SAT de notre langage de contraintes. Pour cela, nous présentons le codage réalisé et nous montrons comment il tire partie des caractéristiques des solveurs SAT. Les expérimentations effectuées avec MiniSat montrent la faisabilité et l'intérêt de notre approche.
Domains
Artificial Intelligence [cs.AI]
Origin : Files produced by the author(s)