Une nouvelle famille d'indices de dissimilarité pour la MDS
Abstract
La multidimensionnal scaling (MDS) est une méthodologie de l'analyse des données dont le but est une représentation géometrique de l'ensemble des unités de données telle que les distances interpoints sont fonction de la structure de dissimilarité. Dans ce travail, nous passons en revue l'approche exploratoire, en n'oubliant pas certains de ses aspects informatiques. Deux nouvelles idées de transformation de l'échelle des dissimilarités sont proposées et testées. Nous expérimentons surtout une nouvelle famille d'indices de dissimilarité fondée sur l'approche probabiliste. Le bien fondé de cette famille est illustré par trois exemples d'applications sur des données recueillies en sciences naturelles et humaines. Les configurations obtenues sont comparées à celles des autres indices.