Accueil Dernière Parution Auteurs Thèmes Mots-clefs Parutions Videos Recherche guidée Comité de lecture Contact Abonnement Soumission d'article   Version anglaise Collection numérisée également sur NUMDAM pour les n°1 à n°148 et sur Revues.org pour les n° 149 et suivants

Recherche selon le critère: Auteur: KASORO Nathanael Affiner ou élargir la recherche 1 entrée référencée Titre Une nouvelle méthode de classification pour des données intervalles Auteur HARDY André, KASORO Nathanael Mots-clefs Arbre de décision, Classification automatique, Critère des Hypervolumes, Maximum de vraisemblance, Processus de Poisson Thèmes Arbres, Classification - Partition, Statistique Résumé Cet article propose une nouvelle méthode de classification automatique pour des données intervalles. C'est une extension d'une méthode de classification classique à des données intervalles. La procédure classique est basée sur la théorie des processus ponctuels, et plus particulièrement sur le processus de Poisson homogène. La première partie de la nouvelle méthode est une procédure de classification monothétique divisive. La règle de coupure utilise une extension à des données intervalles du critère de classification des Hypervolumes. L'étape d'élagage utilise deux tests statistiques du quotient de vraisemblance basés sur le processus de Poisson homogène : le test des Hypervolumes et le Gap test. Nous obtenons alors un arbre de décision. La seconde partie de la méthode est une procédure de recollement qui permet, dans certains cas, d'améliorer la classification obtenue à la fin de la première partie de l'algorithme. La méthode est évaluée sur des données générées et sur des données réelles. Elle est comparée à d'autres méthodes de classification disponibles pour des données intervalles. Numéro 187, Automne 2009, n° spécial Journée 2007 de la Société francophone de classification Langue   Français Lire l'article Droits des utilisateurs : Cette création est mise à disposition sous un contrat Creative Commons