Optimisation proximale pour le subspace clustering flou - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2016

Optimisation proximale pour le subspace clustering flou

Résumé

Cet article présente un algorithme de subspace clustering , dont la fonction de coût similaire aux c-moyennes floues fait apparaître une distance euclidienne pondérée et un terme de pénalité non-différentiable. Cet algorithme s'appuie sur le cadre théorique de l'optimisation par des-cente proximale qui permet d'établir l'expression d'un terme de mise à jour pour cette fonction de coût. Un nou-vel algorithme, nommé PFSCM, est présenté, qui combine descente proximale et optimisation alternée. Les ex-périences réalisées sur des données artificielles montrent la pertinence de l'approche considérée.

Mots clés

Fichier principal
Vignette du fichier
lfa-version4.pdf (102.15 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01364699 , version 1 (12-09-2016)

Identifiants

  • HAL Id : hal-01364699 , version 1

Citer

Arthur Guillon, Marie-Jeanne Lesot, Christophe Marsala. Optimisation proximale pour le subspace clustering flou. 25e Rencontres francophones sur la Logique Floue et ses Applications, Nov 2016, La Rochelle, France. ⟨hal-01364699⟩
177 Consultations
186 Téléchargements

Partager

Gmail Facebook X LinkedIn More