Classification supervisée et non supervisée des données de grande dimension

Résumé : Cet article est consacré à la classification des données de grande dimension. Supposant que de telles données vivent dans des sous-espaces de dimensions intrinsèques inférieures à la dimension de l'espace original, nous proposons une re-paramétrisation du modèle de mélange gaussien. En forçant certains paramètres à être communs dans une même classe ou entre les classes, nous exhibons une famille de modèles adaptés aux données de grande dimension, allant du modèle le plus général au plus parcimonieux. Ces modèles gaussiens sont ensuite utilisés pour la classification supervisée ou non-supervisée. La nature de notre re-paramétrisation permet aux méthodes ainsi construites de ne pas être perturbées par le mauvais conditionnement ou la singularité des matrices de covariance empiriques des classes et d'être efficaces en terme de temps de calcul.
Type de document :
Article dans une revue
La revue de Modulad, Modulad, 2009, 40, pp.81-102
Liste complète des métadonnées

Littérature citée [45 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-00394327
Contributeur : Charles Bouveyron <>
Soumis le : jeudi 11 juin 2009 - 12:33:22
Dernière modification le : vendredi 24 novembre 2017 - 13:28:57
Document(s) archivé(s) le : vendredi 11 juin 2010 - 00:36:29

Fichier

Bouveyron_Girard.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00394327, version 1

Collections

Citation

Charles Bouveyron, Stephane Girard. Classification supervisée et non supervisée des données de grande dimension. La revue de Modulad, Modulad, 2009, 40, pp.81-102. 〈hal-00394327〉

Partager

Métriques

Consultations de la notice

699

Téléchargements de fichiers

1014