Un algorithme multi-SOM amélioré
Versandkostenfrei!
Versandfertig in 6-10 Tagen
26,99 €
inkl. MwSt.
PAYBACK Punkte
13 °P sammeln!
Les méthodes de regroupement visent à obtenir des partitions homogènes d'objets tout en favorisant l'hétérogénéité entre ces partitions. Chaque approche de regroupement, qu'elle soit hiérarchique, par partitionnement ou neuronale, présente finalement ses avantages et ses limites. Nous nous concentrons sur les méthodes neuronales, car elles surmontent les limites des méthodes hiérarchiques et de partitionnement et constituent les approches de regroupement les plus appropriées pour un grand nombre de données. Dans ce travail, nous proposons un algorithme multi-SOM utilisant un cri...
Les méthodes de regroupement visent à obtenir des partitions homogènes d'objets tout en favorisant l'hétérogénéité entre ces partitions. Chaque approche de regroupement, qu'elle soit hiérarchique, par partitionnement ou neuronale, présente finalement ses avantages et ses limites. Nous nous concentrons sur les méthodes neuronales, car elles surmontent les limites des méthodes hiérarchiques et de partitionnement et constituent les approches de regroupement les plus appropriées pour un grand nombre de données. Dans ce travail, nous proposons un algorithme multi-SOM utilisant un critère d'évaluation différent. Il est donc nécessaire de passer en revue les mesures d'évaluation proposées dans la littérature. Néanmoins, la méthode multi-SOM, malgré sa force et son efficacité dans la délimitation des clusters, présente également une limite au niveau de la condition d'arrêt.
Andere Kunden interessierten sich für
