Classification non Supervisée de Données Multidimensionnelles par les Processus Ponctuels Marqués - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Journal Articles Revue Africaine de Recherche en Informatique et Mathématiques Appliquées Year : 2015

Classification non Supervisée de Données Multidimensionnelles par les Processus Ponctuels Marqués

Abstract

Cet article décrit un nouvel algorithme non supervisé de classification des données multidimensionnelles. Il consiste à détecter les prototypes des classes présentes dans un échantillon et à appliquer l’algorithme KNN pour la classification de toutes les observations. La détection des prototypes des classes est basée sur les processus ponctuels marqués, c’est d’une part une adaptation de la méthode de Métropolis-Hasting-Green qui génère des mouvements manipulant les objets du processus (naissance, mort…) et d’autre part une modélisation de Gibbs qui introduit la fonction de potentiel matérialisant les interactions du processus en termes d’énergie. Plusieurs expérimentations ont été réalisées sur des données ponctuelles multidimensionnelles où les classes sont non linéairement séparables et des données réelles issues des puces à ADN. Une comparaison avec des méthodes de classification existantes a permis de montrer l’efficacité de ce nouvel algorithme.
Fichier principal
Vignette du fichier
vol.21.pp.67-83.pdf (2.15 Mo) Télécharger le fichier
Origin : Publisher files allowed on an open archive
Loading...

Dates and versions

hal-01304731 , version 1 (20-04-2016)

Identifiers

Cite

Khadidja Henni, Olivier Alata, Lynda Zaoui, Abdellatif Elidrissi, Ahmed Moussa. Classification non Supervisée de Données Multidimensionnelles par les Processus Ponctuels Marqués. Revue Africaine de Recherche en Informatique et Mathématiques Appliquées, 2015, Volume 21 - 2015 - Special issue - CARI 2014, pp.67-83. ⟨10.46298/arima.2000⟩. ⟨hal-01304731⟩
178 View
1366 Download

Altmetric

Share

Gmail Facebook X LinkedIn More