Combinaison de méthodes avancées de visualisation et de sélection d’information pour la fouille et l’analyse de données
La combinaison de méthodes avancées de visualisation et d’étiquetage des clusters joue un rôle important non seulement pour donner un avis global des résultats du clustering, mais aussi pour l’évaluation précise desdits résultats. Mais aujourd’hui encore, aucune solution précise sur la façon de c...
Saved in:
Main Authors: | , |
---|---|
Format: | Theses and Dissertations |
Language: | French |
Published: |
2015
|
Subjects: | |
Online Access: | http://repository.vnu.edu.vn/handle/VNU_123/232 |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Institution: | Vietnam National University, Hanoi |
Language: | French |
id |
oai:112.137.131.14:VNU_123-232 |
---|---|
record_format |
dspace |
spelling |
oai:112.137.131.14:VNU_123-2322017-04-05T14:15:16Z Combinaison de méthodes avancées de visualisation et de sélection d’information pour la fouille et l’analyse de données LAMIREL, Jean-Charles TA, Anh Phuong analyse de données multi-vues fouille de données clustering numérique évaluation de qualité du clustering étiquetage des clusters visualisation hyperbolique visualisation hiérarchique La combinaison de méthodes avancées de visualisation et d’étiquetage des clusters joue un rôle important non seulement pour donner un avis global des résultats du clustering, mais aussi pour l’évaluation précise desdits résultats. Mais aujourd’hui encore, aucune solution précise sur la façon de combiner de telles méthodes n’a été proposée. Dans ce rapport, nous présentons une première tentative de combinaison de la visualisation hyperbolique ainsi que de nouvelles approches d’étiquetage afin de visualiser précisément les résultats d’analyses de données issues de méthodes de clustering toutes les fois que les clusters sont à l’origine représentés dans un espace fortement multidimensionnel. Le modèle de visualisation se fonde sur un algorithme hiérarchique qui est employé pour récapituler le contenu de clusters sous forme hiérarchique. Cet algorithme préserve la densité de données issue de l’espace de description des clusters originaux. Dans ce mémoire sont présentées différentes stratégies d’étiquetage qui peuvent être employées aussi bien pour décrire le contenu de base des clusters que pour propager précisément les étiquettes dans les différents niveaux de l’hyperbolique résultant. Ce travail s’attache ensuite à améliorer les défauts des méthodes de visualisation hyperbolique en embarquant le modèle de Spring à l’hyperbolique afin de mieux montrer les relations entre les clusters. Plusieurs expérimentations sont proposées sur différents types de données documentaires. 2015-07-23T08:38:59Z 2015-07-23T08:38:59Z 2007 Thesis http://repository.vnu.edu.vn/handle/VNU_123/232 fr application/pdf |
institution |
Vietnam National University, Hanoi |
building |
VNU Library & Information Center |
country |
Vietnam |
collection |
VNU Digital Repository |
language |
French |
topic |
analyse de données multi-vues fouille de données clustering numérique évaluation de qualité du clustering étiquetage des clusters visualisation hyperbolique visualisation hiérarchique |
spellingShingle |
analyse de données multi-vues fouille de données clustering numérique évaluation de qualité du clustering étiquetage des clusters visualisation hyperbolique visualisation hiérarchique LAMIREL, Jean-Charles TA, Anh Phuong Combinaison de méthodes avancées de visualisation et de sélection d’information pour la fouille et l’analyse de données |
description |
La combinaison de méthodes avancées de visualisation et d’étiquetage des clusters joue un rôle
important non seulement pour donner un avis global des résultats du clustering, mais aussi
pour l’évaluation précise desdits résultats. Mais aujourd’hui encore, aucune solution précise sur
la façon de combiner de telles méthodes n’a été proposée. Dans ce rapport, nous présentons
une première tentative de combinaison de la visualisation hyperbolique ainsi que de nouvelles
approches d’étiquetage afin de visualiser précisément les résultats d’analyses de données issues
de méthodes de clustering toutes les fois que les clusters sont à l’origine représentés dans un
espace fortement multidimensionnel. Le modèle de visualisation se fonde sur un algorithme
hiérarchique qui est employé pour récapituler le contenu de clusters sous forme hiérarchique.
Cet algorithme préserve la densité de données issue de l’espace de description des clusters originaux.
Dans ce mémoire sont présentées différentes stratégies d’étiquetage qui peuvent être
employées aussi bien pour décrire le contenu de base des clusters que pour propager précisément
les étiquettes dans les différents niveaux de l’hyperbolique résultant. Ce travail s’attache
ensuite à améliorer les défauts des méthodes de visualisation hyperbolique en embarquant le
modèle de Spring à l’hyperbolique afin de mieux montrer les relations entre les clusters. Plusieurs
expérimentations sont proposées sur différents types de données documentaires. |
format |
Theses and Dissertations |
author |
LAMIREL, Jean-Charles TA, Anh Phuong |
author_facet |
LAMIREL, Jean-Charles TA, Anh Phuong |
author_sort |
LAMIREL, Jean-Charles |
title |
Combinaison de méthodes avancées de visualisation et de sélection d’information pour la fouille et l’analyse de données |
title_short |
Combinaison de méthodes avancées de visualisation et de sélection d’information pour la fouille et l’analyse de données |
title_full |
Combinaison de méthodes avancées de visualisation et de sélection d’information pour la fouille et l’analyse de données |
title_fullStr |
Combinaison de méthodes avancées de visualisation et de sélection d’information pour la fouille et l’analyse de données |
title_full_unstemmed |
Combinaison de méthodes avancées de visualisation et de sélection d’information pour la fouille et l’analyse de données |
title_sort |
combinaison de méthodes avancées de visualisation et de sélection d’information pour la fouille et l’analyse de données |
publishDate |
2015 |
url |
http://repository.vnu.edu.vn/handle/VNU_123/232 |
_version_ |
1680965213694722048 |