2010 - Presentation - Automated Variable Weighting in k-Means Type Clustering

2010 - Presentation - Automated Variable Weighting in k-Means Type Clustering

Info iconThis preview shows pages 1–12. Sign up to view the full content.

View Full Document Right Arrow Icon
> Automated Variable Weighting in k-Means Type Clustering ( Huang, J.Z.; Ng, M.K.; Hongqiang Rong; Zichen Li. ; 2005 ) Présentation 28 Septembre 2010 Franck.Dernoncourt@gmail.com
Background image of page 1

Info iconThis preview has intentionally blurred sections. Sign up to view the full version.

View Full DocumentRight Arrow Icon
29/09/2010 Franck.Dernoncourt@gmail.com 2 Sommaire 1.La classification 2.La méthode des K-moyennes 3.Automatisation de la pondération des poids 4.Résultats obtenus 5.Limites de l’étude
Background image of page 2
29/09/2010 Franck.Dernoncourt@gmail.com 3 1. La classification La classification (clustering)
Background image of page 3

Info iconThis preview has intentionally blurred sections. Sign up to view the full version.

View Full DocumentRight Arrow Icon
29/09/2010 Franck.Dernoncourt@gmail.com 4 1. La classification Exemples d’applications de la classification s Marketing : trouver des groupes de clients similaires s Biologie : classer des plantes selon leurs caractéristiques s Algorithmes évolutionnistes : améliorer la diversité des croisements. s
Background image of page 4
29/09/2010 Franck.Dernoncourt@gmail.com 5 Sommaire 1.La classification 2.La méthode des K-moyennes 3.Automatisation de la pondération des poids 4.Résultats obtenus 5.Limites de l’étude
Background image of page 5

Info iconThis preview has intentionally blurred sections. Sign up to view the full version.

View Full DocumentRight Arrow Icon
29/09/2010 Franck.Dernoncourt@gmail.com 6 2. La méthode des K-moyennes K-moyennes (K-means) Une méthode non supervisée MacQueen, 1967 2) k groupes sont créés en associant chaque individu au centre le plus proche. 1) k centres initiaux sont sélectionnés aléatoirement parmi l'ensemble des données (ici k=3 ) 3) Les centroïdes de chaque groupe deviennent les nouveaux centres. 4) Les étapes 2 et 3 sont répétées aussi longtemps que les centres ne sont pas stabilisés Stabilisation des centres et fin
Background image of page 6
29/09/2010 Franck.Dernoncourt@gmail.com 7 2. La méthode des K-moyennes Les limites de l’algorithme des K-moyennes : Nécessité de l’existence d’une distance Choix du nombre de classes Influence du choix des centres initiaux sur le résultat Sensible au bruit
Background image of page 7

Info iconThis preview has intentionally blurred sections. Sign up to view the full version.

View Full DocumentRight Arrow Icon
29/09/2010 Franck.Dernoncourt@gmail.com 8 2. La méthode des K-moyennes Les limites de l’algorithme des K-moyennes : Nécessité de l’existence d’une distance Choix du nombre de classes Influence du choix des centres initiaux sur le résultat Sensible au bruit
Background image of page 8
29/09/2010 Franck.Dernoncourt@gmail.com 9 2. La méthode des K-moyennes Exemple en 3D : x 1 et x 2 sont ok pour la classification, x 3 est du bruit x 1 et x 2 x 1 et x 3 x 2 et x 3 Classification obtenue
Background image of page 9

Info iconThis preview has intentionally blurred sections. Sign up to view the full version.

View Full DocumentRight Arrow Icon
29/09/2010 Franck.Dernoncourt@gmail.com 10 Sommaire 1. La classification 2. La méthode des K-moyennes 3. K-moyennes avec pondération des poids dynamique 4. Résultats obtenus 5. Limites de l’étude
Background image of page 10
29/09/2010 Franck.Dernoncourt@gmail.com 11 3. K-moyennes avec pondération des poids dynamique K-moyennes avec pondération des poids dynamique ( Automated Variable Weighting in k-Means Type Clustering – 2005) Idée : Pondérer chaque variable afin de pouvoir donner un poids plus faible aux variables affectées par un bruit important. Existant : Modha et Spangler y ont déjà pensé… mais les poids
Background image of page 11

Info iconThis preview has intentionally blurred sections. Sign up to view the full version.

View Full DocumentRight Arrow Icon
Image of page 12
This is the end of the preview. Sign up to access the rest of the document.

This note was uploaded on 11/29/2010 for the course DEC 123 taught by Professor Fr during the Spring '10 term at ENS Cachan.

Page1 / 52

2010 - Presentation - Automated Variable Weighting in k-Means Type Clustering

This preview shows document pages 1 - 12. Sign up to view the full document.

View Full Document Right Arrow Icon
Ask a homework question - tutors are online