Classification non supervisée mono et bi-objectif par la programmation par contraintes
Résumé
La classification non supervisée est une tâche importante dans le domaine de la Fouille de Données. Elle est souvent représentée par un problème d'optimisation. L'optimisation peut être mono-objectif, e.g. minimisation du diamètre maximal des clusters D, maximisation de la marge entre clusters S ; ou bi-objectif (max S,min D). Nous proposons un nouveau modèle pour la classification non supervisée avec ces différents critères en Programmation par Contraintes. Notre modèle permet une extension directe vers la classification non supervisée sous contraintes utilisateur, car différents types de contraintes utilisateur connus sont intégrés directement. Nous illustrons la déclarativité de notre modèle en l'appliquant au clustering bi-objectif. Des expériences sur des ensembles de données classiques montrent l'intérêt de notre modèle.