21773 articles – 15587 references  [version française]
HAL: tel-00129227, version 1

Detailed view  Export this paper
Université Rennes 2 (30/10/2006), Michel Carbon (Dir.)
Propriétés et extensions de la classification de variables autour de composantes latentes. Application en évaluation sensorielle
Karin Sahmer 1
For the Thèse en cotutelle avec l'Université de Dortmund, Allemagne collaboration(s)
(2006-10-30)

Dans ce travail, les propriétés de la méthode de classification de variables autour de composantes latentes (CLV) sont étudiées. Un modèle statistique pour cette méthode est formulé. Ce modèle est particulièrement adapté aux données issues d'un profil sensoriel. Il permet de jeter un nouvel éclairage sur la méthode CLV. Le critère de classification s'écrit en fonction des paramètres du modèle. Il est démontré que, sous des conditions peu contraignantes, l'algorithme hiérarchique retrouve correctement les groupes de variables tandis que l'algorithme de partitionnement dépend de l'initialisation. Le comportement de la méthode CLV lors de la classification sur la base d'un échantillon est analysé à l'aide d'une étude de simulations. Il s'avère que la performance de CLV est comparable à celle de méthodes connues telles que la méthode Varclus du logiciel SAS. Finalement, deux procédures automatiques pour la détermination du nombre de groupes sont proposées et comparées.
1:  Unité mixte de recherche en sensométrie et chimiométrie (UMR ENITIAA/INRA N°1124)
Institut national de la recherche agronomique (INRA) – ENITIAA Nantes
Mathematics
Classification de variables – analyse en composantes principales – analyse en facteurs communs et spécifiques – analyse sensorielle
Attached file list to this document: 
PDF
these_sahmer.pdf(629.6 KB)