Rapport de Travaux Pratiques
Traitement Statistique des Données – TDI n°3
Gregory Heinrich
Sylvain Lemaire
Remarques du correcteur :
Objectif
Ce TD a pour objectif de familiariser les étudiants à la classification de points par
l’intermédiaire de l’algorithme de Kohonen. Lorsque l’on applique cet algorithme, on peut
(on doit) au préalable imaginer une géographie de classes, couramment appelée carte de
Kohonen. Cet algorithme s’inspire des algorithmes à base de réseaux de neurones du type
LVQ. Le but est d’obtenir des classes de points proches d’un modèle déterminé par la carte de
Kohonen.
L’algorithme est paramétré par un gain, dont nous observerons l’impact sur le résultat de
l’algorithme ; nous étudierons précisément le déploiement de l’algorithme en faisant varier les
cartes. Enfin, nous reprendrons un exemple de type « données météorologiques » afin de
comprendre l’intérêt de l’algorithme sur un cas réel.
Contexte
Nous rappelons ci-dessous le principe de déroulement de l’algorithme de Kohonen :
Initialisation
On dispose d’un ensemble de points à classer.
On choisit une matrice initiale de neurones. Celle-ci est déterminée aléatoirement.
On choisit une fonction de gain, suite gamma(n), à valeurs comprises entre 0 et 1 et
décroissant vers 0.
On se fixe un nombre d’itérations à effectuer.