Skip to Main content Skip to Navigation
Conference papers

Estimation du nombre de clusters à l'aide de l'algorithme de clustering spectral

Résumé : Le but de la classification non supervisée est de partitionner les données en classes ou clusters d'objets relativement similaires. Dans ce contexte, l'estimation du nombre de clusters est une question centrale. L'algorithme de clustering spectral est une méthode récente pour détecter de tels clusters. Il est basé sur la décomposition spectrale d'une certaine matrice de similarité. L'étude des valeurs propres de cette matrice de similarité fournit une méthode prometteuse pour estimer le nombre de clusters. Nous présenterons des illustrations numériques sur différentes données simulées. % Nous utilisons la définition d'un cluster due à Hartigan (1975), qui repose sur les ensembles de niveau de la densité. Nous commençons donc par ôter les points de l'échantillon où la densité estimée est faible, et qui gènent la détection des clusters.
Document type :
Conference papers
Complete list of metadata

Cited literature [6 references]  Display  Hide  Download

https://hal.inria.fr/inria-00386765
Contributor : Conférence Jds2009 <>
Submitted on : Friday, May 22, 2009 - 9:19:18 AM
Last modification on : Tuesday, October 10, 2017 - 4:16:26 PM
Long-term archiving on: : Monday, October 15, 2012 - 10:59:18 AM

File

p205.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : inria-00386765, version 1

Collections

Citation

Bruno Pelletier, Pierre Pudlo. Estimation du nombre de clusters à l'aide de l'algorithme de clustering spectral. 41èmes Journées de Statistique, SFdS, Bordeaux, 2009, Bordeaux, France, France. ⟨inria-00386765⟩

Share

Metrics

Record views

217

Files downloads

304