HAL : hal-00375581, version 1

Fiche détaillée

Récupérer au format BibTeX - EndNote - TEI - RefWorks -

XIII International Conference on Applied Stochastic Models and Data Analysis, Vilnius : Lituanie (2009)

Clustering in Fisher Discriminative Subspaces

Charles Bouveyron 1, 2, Camille Brunet 3

(23/06/2009)

Clustering in high-dimensional spaces is nowadays a recurrent problem in many scientific domains but remains a difficult problem. This is mainly due to the fact that high-dimensional data usually live in low-dimensional subspaces hidden in the original space. This paper presents a model-based clustering approach which models the data in a discriminative subspace with an intrinsic dimension lower than the dimension of the original space. An estimation algorithm, called Fisher-EM algorithm, is proposed for estimating both the mixture parameters and the discriminative subspace. Experiments show that the proposed approach outperforms existing clustering methods and provides a useful representation of the high-dimensional data.

1 :	Statistique Appliquée et MOdélisation Stochastique (SAMOS)
	Université Paris I - Panthéon-Sorbonne
2 :	Centre d'économie de la Sorbonne (CES)
	CNRS : UMR8174 – Université Paris I - Panthéon-Sorbonne
3 :	Informatique, Biologie Intégrative et Systèmes Complexes (IBISC)
	CNRS : FRE3190 – Université d'Evry-Val d'Essonne

Domaine

:

Statistiques/Théorie Mathématiques/Statistiques Statistiques/Méthodologie Statistiques/Machine Learning

Mots Clés : Model-based clustering – dimension reduction – discriminative subspaces – latent mixture model

hal-00375581, version 1

http://hal-paris1.archives-ouvertes.fr/hal-00375581

oai:hal-paris1.archives-ouvertes.fr:hal-00375581

Contributeur : Camille Brunet <>

Soumis le : Mercredi 15 Avril 2009, 15:02:11

Dernière modification le : Jeudi 16 Avril 2009, 08:34:43