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.
Type de document :
Communication dans un congrès
41èmes Journées de Statistique, SFdS, Bordeaux, 2009, Bordeaux, France, France. 2009
Liste complète des métadonnées

Littérature citée [6 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00386765
Contributeur : Conférence Jds2009 <>
Soumis le : vendredi 22 mai 2009 - 09:19:18
Dernière modification le : mardi 10 octobre 2017 - 16:16:26
Document(s) archivé(s) le : lundi 15 octobre 2012 - 10:59:18

Fichier

p205.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • 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. 2009. 〈inria-00386765〉

Partager

Métriques

Consultations de la notice

191

Téléchargements de fichiers

212