H2S-SOM : Une méthode de soft-subspace clustering basée sur SOM pour la sélection de variables en classification - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2014

H2S-SOM : Une méthode de soft-subspace clustering basée sur SOM pour la sélection de variables en classification

Résumé

Nous proposons une méthode de sélection de variables en classification basée sur les cartes topologiques auto-organisées SOM. Elle utilise la méthode de subspace clustering 2S-SOM dans un processus hiérarchique à deux niveaux. Le premier niveau fournit un système de poids évaluant les contributions relatives des variables et des blocs aux groupes d'observations et permettant de sélectionner les variables pertinentes. 2S-SOM est à nouveau utilisée sur ces dernières pour déterminer la partition finale des observations au niveau 2. La méthode est évaluée sur des données simulées et réelles. En particulier, l?application sur des données météorologiques montre que la sélection des variables au niveau 1 facilite l?interprétation des classes obtenues au niveau 2
Fichier non déposé

Dates et versions

hal-01126434 , version 1 (06-03-2015)

Identifiants

  • HAL Id : hal-01126434 , version 1

Citer

François Kaly, Ndeye Niang Keita, Mory Ouattara, Niang Awa, Sylvie Thiria. H2S-SOM : Une méthode de soft-subspace clustering basée sur SOM pour la sélection de variables en classification. African Conference on Research in Computer Science and Applied Mathematics (CARI), Oct 2014, Saint Louis, Sénégal. pp.13. ⟨hal-01126434⟩
508 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More