La similarite regularisee et ses applications en classification automatique

TL;DRAbstract

L'un des problemes fondamentaux rencontre en classification automatique est celui du choix d'une mesure de similarite (ou d'affinite) entre les individus de la population a classifier. Le travail presente ici s'articule autour d'une nouvelle notion appelee similarite regularisee. Le principe de cette regularisation est de tenir compte, dans le calcul des similarites entre les individus, des structures internes des variables mesurees sur la population a classifier. Cette regularisation permet de compenser les influences - trop fortes ou trop faibles - induites de facon implicite par ces structures dans le calcul de ces similarites. Dans cet objectif, nous avons defini, a partir d'une mesure de similarite basique, trois nouvelles mesures appelees : similarite statistique, similarite probabiliste et similarite empirique. Chacune de ces similarites tient compte d'une structure particuliere des variables descriptives. Nous avons, de meme, indique des conditions d'utilisation de l'une ou de

Chat with Paper

AI Agents for this Paper