ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Auteurs : soumettez
votre article en ligne

APPEL À
CONTRIBUTION

Le comité de rédaction du JESA lance un appel à proposition de numéros spéciaux.

En savoir plus >>
Autres revues >>

Journal Européen des Systèmes Automatisés

1269-6935
Revues des Systèmes
 

 ARTICLE VOL 39/9-10 - 2005  - pp.1133-1154  - doi:10.3166/jesa.39.1133-1154
TITRE
Approche markovienne pour la classification automatique non supervisée de données multidimensionnelles

RÉSUMÉ
Ce travail présente une nouvelle approche de détection des régions modales des histogrammes représentant des distributions de données multidimensionnelles. Basée sur des concepts de la théorie des champs de Markov, cette approche consiste à modéliser l'ensemble des valeurs de l'histogramme par un champ observable Y et d'en extraire le champ caché inobservable X modélisant les régions modales et les vallées de l'histogramme. L'approche utilise l'algorithme Estimation-Maximisation (EM) pour estimer les paramètres du champ X et le critère du mode de la marginale a posteriori (MPM) pour détecter et extraire les régions modales en composantes connexes individualisées. Les observations de l'échantillon contenues dans ces composantes connexes servent de prototypes des classes pour assurer la classification finale.


ABSTRACT
The aim of this paper is to present a new approach for modal regions detection of histograms representing multidimensional data distributions. Based on the Markov field theory, this approach considers the histogram as a field Y of measures. The hidden field X is used to model the modal regions and the valleys of the histogram. The maximum a posteriori mode criterion (MPM), combined with the estimation-maximisation algorithm (EM), makes it possible to detect the local maxima of the histogram and to determine the identified hidden field X from Y, which is composed of the modal regions and the valleys of the histogram. Modal regions are finally extracted as connected components and are used to assign the available observations to the so identified clusters.


AUTEUR(S)
Mohammed SBIHI, Ahmed MOUSSA, Jack-Gérard POSTAIRE, Abderrahmane SBIHI

MOTS-CLÉS
classification automatique, détection des modes, champ de Markov.

KEYWORDS
clustering, mode detection, Markov field.

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (419 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier