Utilisation des modèles de mélange pour la classification automatique de données ordinales

par Cyril Gouget

Thèse de doctorat en Technologies de l'information et des systèmes

Sous la direction de Gérard Govaert.

Soutenue en 2006

à Compiègne .


  • Résumé

    Dans cette thèse, on s'intéresse à l'analyse de données ordinales et plus particulièrement aux méthodes de classification automatique, également appelées apprentissage non supervisé, en présentant deux approches originales. La première consiste à postuler que les données ordinales sont issues de données continues discrétisées selon des frontières inconnues. La seconde consiste quant à elle à exprimer en termes probabilistes la notion d'éloignement induite par l'ordre des modalités à partir d'un modèle multinomial. Enfin, nous évaluons expérimentalement l'efficacité de ces méthodes sur des jeux de données simulées et réelles. Finalement, une application de ces méthodes est faite sur des données issues d'enquêtes de satisfaction.

  • Titre traduit

    Using finite mixture models for ordinal data clustering


  • Résumé

    This thesis deals with ordinal data analysis and more particularly with clustering methods, also called non supervised learning, by introducing two original methods. The first one consists in postulating that the data result from discretized data for which the borders of the bins are unknown. The second method consists in expressing in probabilistic terms the concept of distance induced by the order of the values and applying the resultant constraints to a multinomial model. Finally, an application of these methods is made on data resulting from satisfaction surveys.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (194 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. 41 réf.

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Université de Technologie de Compiègne. Service Commun de la Documentation.
  • Disponible pour le PEB
  • Cote : 2006 GOU 1665

Cette version existe également sous forme de microfiche :

  • Bibliothèque : Université de Lille. Service commun de la documentation. Bibliothèque universitaire de Sciences Humaines et Sociales.
  • Non disponible pour le PEB
  • Cote : 2006COMP1665
  • Bibliothèque : Université Paris-Est Créteil Val de Marne. Service commun de la documentation. Section multidisciplinaire.
  • PEB soumis à condition
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.