|
 
|
[KNO14] H2S-SOM : Une méthode de soft-subspace clustering basée sur SOM pour la sélection de variables en classification
Conférence Internationale avec comité de lecture : African Conference on Research in Computer Science and Applied Mathematics (CARI), October 2014, Vol. X, pp.13, Saint Louis, Senegal,Mots clés: Clustering, sélection des variables, SOM
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
Equipe:
msdma
Collaboration:
LOCEAN
,
UCAD
,
UPMC
BibTeX
| @inproceedings { | |||
| KNO14, | |||
| title | = | "{H2S-SOM : Une méthode de soft-subspace clustering basée sur SOM pour la sélection de variables en classification}", | |
| author | = | " F. Kaly and N. Niang Keita and M. Ouattara and N. Awa and S. Thiria ", | |
| booktitle | = | "{African Conference on Research in Computer Science and Applied Mathematics (CARI)}", | |
| year | = | 2014, | |
| month | = | "October", | |
| volume | = | X, | |
| pages | = | "13", | |
| address | = | "Saint Louis, Senegal", | |
| } | |||
