Classification automatique dans les sous-espaces discriminants de Fisher
Résumé
Nous considérons dans ce travail le problème du clustering en grande dimension. Nous proposons de modéliser les données par un modèle de mélange gaussien dans un sous-espace discriminant de dimension inférieure à la dimension de l'espace original. Nous proposons pour ce faire un algorithme d'estimation appelé Fisher-EM. Cette approche améliore les performances de classification et permet une représentation visuelle de l'agencement des données en grande dimension.
Origine : Fichiers produits par l'(les) auteur(s)