SI - Uqtr

RECONNAISSANCE DE
FORMES
IAR-6002

Techniques d’aggrégation (clustering)
Introduction
Aggrégation hiérarchique
–Méthode UPGMA
–Méthode de Ward
Algorithme de Forgy
Algorithme k-means
Algorithme Isodata

Introduction
Lorsque nous ne pouvons définir à priori le nombre
de classes
Nous devons avant le design du classificateur,
extraire un ensemble d’observations tirées d’une
population quelconque pour ainsi déduire les sous-
ensembles distincts
L’aggrégation (clustering) consiste à regrouper des
observations de telle façon que les observations
sont semblables dans chaque groupe (agrégats)

Introduction
Introduction
Le but des techniques d’aggrégation est de créer un
ensemble d’aggrégats (cluster) regroupant des obser-
vations de mêmes caractéristiques
Ces techniques cherchent alors à regrouper les ob-
servations semblables
Le regroupement d’observations est basée entre
autre sur la notion de distance par rapport à des
centroïdes (centre de masse de chaque classe)
Ces techniques sont non supervisées

Aggrégation hiérarchique
L’aggrégation hiérarchique consiste à regrouper des
observations dans de gros regroupements contenant
de plus petits groupements hiérarchiquement ratta-
ché au groupement plus gros
Cette technique d’aggrégation peut être représenté
par un arbre. Le plus petit regroupement se trouve
au bas de l’arbre, chaque observation est en elle-
même un aggrégat