Comparaison de deux critères en classification ascendante hiérarchique sous contrainte de contiguïté, Application en imagerie numérique

Israël-César Lerman 1 Kaddour Bachar 2
1 SYMBIOSE - Biological systems and models, bioinformatics and sequences
IRISA - Institut de Recherche en Informatique et Systèmes Aléatoires, Inria Rennes – Bretagne Atlantique
Abstract : We analyze an algorithm of ascendant hierarchical classification under contiguity constraint and using the aggregation principle of reciprocal nearest neighbors. This algorithm is situated in the general framework of quick ascendant hierarchical classification algorithms. Two cluster merging criteria are studied. The former is the classical inertia Ward criterion and the latter consists of the maximal likelihood linkage family criteria. A new contiguity version of this criterion proves its efficiency in image segmentation. One major feature of our algorithm is the linear nature of the computational complexity. New strategies concerning multiple aggregation in the class formation and contiguity notion are positively evaluated in terms of quality and efficiency. We establish mathematically and experimentally how the used criterion influences inversion possibility in the tree building. Finally, comparative results of both types of criteria in image segmentation on satellite pictures are discussed.
Type de document :
Article dans une revue
Journal de la Société Française de Statistique & Revue de Statistique Appliquée, Société Française de Statistique, 2008, 149 (2), pp.45-74
Liste complète des métadonnées

https://hal.inria.fr/inria-00322083
Contributeur : Israel-César Lerman <>
Soumis le : mardi 16 septembre 2008 - 16:00:08
Dernière modification le : jeudi 11 janvier 2018 - 06:20:10

Identifiants

  • HAL Id : inria-00322083, version 1

Collections

Citation

Israël-César Lerman, Kaddour Bachar. Comparaison de deux critères en classification ascendante hiérarchique sous contrainte de contiguïté, Application en imagerie numérique. Journal de la Société Française de Statistique & Revue de Statistique Appliquée, Société Française de Statistique, 2008, 149 (2), pp.45-74. 〈inria-00322083〉

Partager

Métriques

Consultations de la notice

310