Processus gaussiens parcimonieux pour la classification générative de données hétérogènes - Archive ouverte HAL Access content directly
Conference Papers Year : 2012

Processus gaussiens parcimonieux pour la classification générative de données hétérogènes

Abstract

Nous proposons dans ce travail une famille de processus gaussiens parcimonieux permettant de construire, à partir d'un échantillon de taille finie, un classifieur génératif dans un espace de dimension (potentiellement) infinie. Ces modèles parcimonieux permettent en particulier d'utiliser des transformations non-linéaires des données projetant les observations dans un espace de dimension infinie. Nous montrons qu'il est possible de construire directement le classifieur depuis l'espace des observations au travers d'une fonction noyau. La méthode de classification proposée permet ainsi de classer des données de types variés (données qualitatives, données fonctionnelles, réseaux, ...). En particulier, il est possible de classer des données hétérogènes en combinant plusieurs fonctions noyaux. La méthodologie est également étendue au cas de la classification non supervisée (clustering).
Fichier principal
Vignette du fichier
Bouveyron_16326.pdf (164.82 Ko) Télécharger le fichier
Origin : Files produced by the author(s)

Dates and versions

hal-01700690 , version 1 (12-02-2018)

Identifiers

  • HAL Id : hal-01700690 , version 1
  • OATAO : 16326

Cite

Charles Bouveyron, Mathieu Fauvel, Stéphane Girard. Processus gaussiens parcimonieux pour la classification générative de données hétérogènes. 44èmes Journées de Statistique de la Société Française de Statistique, May 2012, Bruxelles, Belgique. pp. 1-3. ⟨hal-01700690⟩
419 View
72 Download

Share

Gmail Facebook X LinkedIn More