Skip to Main content Skip to Navigation
Journal articles

Un cadre graphique pour la visualisation et la caractérisation de classes en mode non-supervisé

Khalid Benabdeslem 1 Haytham Elghazel 1 Rakia Jaziri 2
1 DM2L - Data Mining and Machine Learning
LIRIS - Laboratoire d'InfoRmatique en Image et Systèmes d'information
Résumé : Dans ce papier, nous proposons un système d’extraction de connaissances à partir de données pour la visualisation et l’interprétation de profils issus d’une classification automatique en mode non supervisé. Une méthode efficace utilisée pour la classification est la carte auto-organisatrice ou Self-Organizing Map (SOM). Dans cette méthode, la détection des regroupements est en général obtenue par d’autres techniques de classification (par partitionnement ou hiérarchisation). Dans le cadre de ce travail, nous explorons une autre voie pour la segmentation de la carte par une approche basée sur la théorie des graphes (la coloration minimale). Enfin, pour caractériser les classes issues de cette segmentation, nous proposons une solution basée sur un test statistique et un arbre couvrant maximum pour la sélection de variables locales à chaque classe permettant ainsi sa caractérisation de manière automatique. Des expérimentations seront présentées sur plusieurs bases de données pour valider l’approche proposée.
Document type :
Journal articles
Complete list of metadata

https://hal.archives-ouvertes.fr/hal-01381631
Contributor : Équipe Gestionnaire Des Publications Si Liris Connect in order to contact the contributor
Submitted on : Friday, October 14, 2016 - 2:50:41 PM
Last modification on : Tuesday, June 1, 2021 - 2:08:09 PM

Identifiers

  • HAL Id : hal-01381631, version 1

Citation

Khalid Benabdeslem, Haytham Elghazel, Rakia Jaziri. Un cadre graphique pour la visualisation et la caractérisation de classes en mode non-supervisé. RNTI, 2010, pp.17-33. ⟨hal-01381631⟩

Share

Metrics

Record views

255