Analyse et segmentation de données non supervisées à l'aide de graphe

par Laurent Galluccio

Thèse de doctorat en Automatique, traitement du signal et des images

Sous la direction de Pierre Comon et de Olivier Michel.

Soutenue en 2010

à Nice .

  • Titre traduit

    Graph-based analysis and unsupervised data segmentation


  • Pas de résumé disponible.


  • Résumé

    Cette thèse présente de nouvelles méthodes de segmentation et classification non supervisées de données appliquées dans un contexte astrophysique. Les informations a priori telles que le nombre de classes ou la distribution sous-jacente des données ne sont pas toujours connues. Beaucoup de méthodes de classification existantes en astrophysique sont basées sur des connaissances a priori ou sur des observations déjà réalisées sur les données. Les classifications obtenues dépendront donc de ces informations et seront limitées par les connaissances des experts. L'intérêt de développer des algorithmes de classification non supervisées est de s'affranchir de ces limitations afin de détecter potentiellement de nouvelles classes. L'approche principale adoptée dans cette thèse est l'utilisation d'un graphe construit sur les données : l'arbre de recouvrement minimal (Minimal Spanning Tree : MST). En connectant les points par des segments on construit une structure qui capture les relations existantes entre chaque paire de points. Nous proposons d'estimer le nombre et la position des classes présentes dans les données en explorant les connexions du MST construit. Ces informations servent d'initialisation fia des algorithmes de classification. Une nouvelle classe de MSTs multi-enracinés est présentée. De leur construction, des mesures de distances permettant la prise en compte du voisinage local et global des points sont dérivées. Une méthode de classification non supervisée qui combine les résultats de multiples partitionnements effectués sur les MSTs multi-enracinées est également proposée. Les méthodes proposées sont validées sur des benchmark et appliquées fia des données astrophysiques.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (169 p.)
  • Annexes : Bibliogr. 15 p.

Où se trouve cette thèse ?

  • Bibliothèque : Université Nice Sophia Antipolis. Service commun de la documentation. Section Sciences.
  • Non disponible pour le PEB
  • Cote : 10NICE4022
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.