Ce mémoire présente une nouvelle méthode de classification automatique adaptée aux données symboliques. Celle-ci est hiérarchique divisive monothétique, et est basée sur le processus de Poisson homogène. Elle crée un arbre de classification en sélectionnant, à chaque étape, une variable pour couper un groupe de deux sous-ensembles. Le critère utilisé est obtenu par la méthode du maximum de vraisemblance. Il consiste à couper au milieu du plus grand trou entre les données. Une phase dite d'élagage, basée sur le Gap Test, se charge ensuite de simplifier l'arbre. Des exemples (bivariés artificiels puis réels) illustrent le fonctionnement de la nouvelle méthode et la compare à d'autres méthodes déjà existantes.
| la date de réponse | 2006 |
|---|
| langue originale | Français |
|---|
| Superviseur | Andre Hardy (Promoteur), Marcel Remon (Jury) & Jean Paul Rasson (Jury) |
|---|
Une nouvelle méthode de classification automatique symbolique basée sur le processus de Poisson homogène
Vanderpypen, J. (Auteur). 2006
Student thesis: Master types › Master en sciences mathématiques