Méthodes neuronales en classification non supervisée

CNAM IS 2009-2010
Méthodes neuronales en
classification non
supervisée
Yves Lechevallier
INR
I
A-Rocquencourt
E_mail : Yves.Lechevallier@inria.fr
Yves Lechevallier

Cours CNAM IS
1Méthodes de partitionnement
La structure classificat
oire recherchée est la
partition
. En
définissant une fonction d’homogénéité
ou
un critère de
qualité
sur une partition le probl
èm
e de classification devient
un problème parfaitement défini en optimisation discrète.
Trouver, parmi l’ensemble de toutes les partitions
possibles,
une partition qui optimise un critère défini a priori
.
E
est fini donc il y a un ensemble f
i
ni de partitions
possibles
alors
le
problème
est toujours soluble par l’énumération
complète.
Cependant,
en pratique, cette approche est
irréalisable car nous avons approximativement avec
un
N
KK
!
ensemble de N objets en K classes solutions possibles.
Yves Lechevallier

Cours CNAM IS
2Problème d’optimisation
+
℘
(
E
)
→
ℜ
Soit un critère
U
, défini de , où
est
K
℘
()
E
l’ensemble
de toutes les partitions en
K
classes
K
non vides de alors le problème d’optimisation se pose
sous la forme:
U
(
P
)
=
Min
U
(
Q
)
Q
∈
℘
(
E
)
K
Yves Lechevallier

Cours CNAM IS
3Optimisation itérative
(
0
)
On part d’une solution réalisable
Choix
Q
∈
℘
(
E
)
K
(
t
)
A l’étape
t+1
, on a une solution réalisable
Q
(
t
+
1
)
(
t
)
Q
=
g
(
Q
)
on cherche une solution ...