Une méthode de classification ascendante hiérarchique par compromis : hclustcompro - Archive ouverte HAL Access content directly
Conference Papers Year : 2021

Une méthode de classification ascendante hiérarchique par compromis : hclustcompro

Abstract

Les méthodes d’apprentissage semi-supervisé permettent d'utiliser des connaissances a priori pour guider l'algorithme de classification dans la découverte de groupes. Dans ce travail, nous proposons un nouvel algorithme de classification de type ascendante hiérarchique (CAH) prenant en compte deux sources d'information associées aux mêmes objets. Cette méthode appelée CAH par compromis (hclustcompro), permet un compromis entre les hiérarchies obtenues à partir de chaque source prise séparément. Une combinaison convexe des dissimilarités associées à chacune des sources est utilisée pour modifier la mesure de dissimilarité dans l'algorithme CAH classique. Le choix du paramètre de mélange est le point clé de la méthode. Nous proposons une fonction objectif à minimiser basée sur la différence absolue descorrélations entre dissimilarités initiales et distances cophénétiques, ainsi qu'une procédure de rééchantillonnage pour assurer la robustesse du choix du paramètre de mélange. Nous illustrons notre méthode avec des données archéologiques provenant du site d'Angkor Thom au Cambodge.
Fichier principal
Vignette du fichier
Bellanger-Coulon-Husi-CIFSD2021_actes.pdf (1.98 Mo) Télécharger le fichier
Origin Files produced by the author(s)

Dates and versions

hal-03280918 , version 1 (09-07-2021)

Licence

Public Domain

Identifiers

  • HAL Id : hal-03280918 , version 1

Cite

Lise Bellanger, Arthur Coulon, Philippe Husi. Une méthode de classification ascendante hiérarchique par compromis : hclustcompro. 9e Conférence Internationale Francophone sur la Science des Données (CIFSD), CIFSD, Mohamed QUAFAFOU, Jun 2021, Marseille, France. ⟨hal-03280918⟩
513 View
719 Download

Share

Gmail Mastodon Facebook X LinkedIn More