Skip to Main content Skip to Navigation
Journal articles

Classification non Supervisée de Données Multidimensionnelles par les Processus Ponctuels Marqués

Résumé : Cet article décrit un nouvel algorithme non supervisé de classification des données multidimensionnelles. Il consiste à détecter les prototypes des classes présentes dans un échantillon et à appliquer l’algorithme KNN pour la classification de toutes les observations. La détection des prototypes des classes est basée sur les processus ponctuels marqués, c’est d’une part une adaptation de la méthode de Métropolis-Hasting-Green qui génère des mouvements manipulant les objets du processus (naissance, mort…) et d’autre part une modélisation de Gibbs qui introduit la fonction de potentiel matérialisant les interactions du processus en termes d’énergie. Plusieurs expérimentations ont été réalisées sur des données ponctuelles multidimensionnelles où les classes sont non linéairement séparables et des données réelles issues des puces à ADN. Une comparaison avec des méthodes de classification existantes a permis de montrer l’efficacité de ce nouvel algorithme.
Document type :
Journal articles
Complete list of metadata

Cited literature [16 references]  Display  Hide  Download

https://hal.inria.fr/hal-01304731
Contributor : Coordination Episciences Iam <>
Submitted on : Wednesday, April 20, 2016 - 11:50:08 AM
Last modification on : Monday, January 13, 2020 - 5:46:06 PM
Long-term archiving on: : Thursday, July 21, 2016 - 12:26:08 PM

File

vol.21.pp.67-83.pdf
Publisher files allowed on an open archive

Identifiers

  • HAL Id : hal-01304731, version 1

Collections

Citation

Khadidja Henni, Olivier Alata, Lynda Zaoui, Abdellatif Elidrissi, Ahmed Moussa. Classification non Supervisée de Données Multidimensionnelles par les Processus Ponctuels Marqués. Revue Africaine de la Recherche en Informatique et Mathématiques Appliquées, INRIA, 2015, 21, pp.67-83. ⟨hal-01304731⟩

Share

Metrics

Record views

293

Files downloads

1695