Algorithme de Kohonen : classification et analyse exploratoire des ...

More documents

Recommendations

Info

Notations (Kohonen, ou SOM) Espace des entrées K dans R p n unités, rangées en réseau de dimension 1 ou 2, pourlesquelles est défini un système de voisinage A chaque unité i (i=1,...,n), est associé un vecteur code C i dep composantes La réponse d'une unité i à l'entrée x est mesurée par laproximité de x avec le vecteur code C i Initialisation aléatoire des vecteurs codes A l'étape t,– on présente une entrée x– on cherche l'unité gagnante i 0 (x)– on rapproche C i0 et les C i voisins, de l'entrée x
Définition de l'algorithme on-line Les {C i (0)} sont les vecteurs codes initiaux de dimension p ε(t) est le paramètre d’adaptation, positif,
Page 1 and 2: Algorithme de Kohonen :classificati
Page 3 and 4: Analyse de données : introductionA
Page 5 and 6: Extraction d’individus types :Qua
Page 7 and 8: Algorithme Probabiliste associé (S
Page 9 and 10: Analyse de données : introductionA
Page 11: L'algorithme Il s’agit d’un alg
Page 14 and 15: Structure hexagonale
Page 18 and 19: iFonctions de voisinage σi 0
Page 20 and 21: AvantExemple : une étapeObservatio
Page 22 and 23: Exemples de simulations (Kohonen)
Page 24 and 25: Adaptatif (Ritter et Schulten)
Page 26 and 27: Compléments diversExemples et illu
Page 28 and 29: Fonction voisinage (Letremy)
Page 30 and 31: Cortex sensoriel
Page 32 and 33: Tête d’homonculus (Anderson, Pen
Page 34 and 35: En 3 D (Kohonen)
Page 36 and 37: Sélection de dimension (Kohonen)
Page 38 and 39: Problème de papillon
Page 40 and 41: Somme des carrés intra (rappel) L
Page 42 and 43: Mosaïque de Voronoï Dans l ’esp
Page 44 and 45: Points fixes de l’ODE Si l’algo
Page 46 and 47: L’algorithme batch Si N →∞, s
Page 48 and 49: Comparaison sur données simulées
Page 50 and 51: lgorithme on-line SOM pour des donn
Page 52 and 53: lgorithme on-line SOM pour des donn
Page 54 and 55: Cartes de Kohonen : Classification
Page 56 and 57: Classes et distances Comme le nombr
Page 58 and 59: Un exemple : recensements de 1783co
Page 60 and 61: ACP sur les communes(88% sur les ax
Page 62 and 63: ACP(Données corrigées par le Chi-
Page 64 and 65: 1783 communes classées en 64 class
Page 66 and 67:
Contenus des super-classes Classe 1
Page 68 and 69:
Les quatre premiers recensements
Page 70 and 71:
Autre représentation
Page 72 and 73:
Qualités de la classificationDL PO
Page 74 and 75:
Ficelle à 5 classes
Page 76 and 77:
Par département
Page 78 and 79:
Un exemple : 96 pays en 1996ANCRX C
Page 80 and 81:
Analyse en Composantes Principales
Page 82 and 83:
Exemple : Carte de Kohonen
Page 84 and 85:
Vecteurs-codes, contenus des classe
Page 86 and 87:
Croisement avec la variable qualita
Page 88 and 89:
Inflation le long de la grille
Page 90 and 91:
Classement des observations avecdon
Page 92 and 93:
Données corrigées (logarithmes)
Page 94 and 95:
Classification, données corrigées
Page 96 and 97:
Exemple : la consommation des foyer
Page 98 and 99:
Croisement avec une variable qualit
Page 100 and 101:
Croisement avec une variable qualit
Page 102 and 103:
Analyse des relations entre modalit
Page 104 and 105:
Un exemple Tiré de « Statistique
Page 106 and 107:
ACM modalités, deux axes
Page 108 and 109:
Super classes pour les modalités
Page 110 and 111:
Modalité famille 1 et 2
Page 112 and 113:
Tableau disjonctif completQ1_1 Q1_2
Page 114 and 115:
Analyse du tableau disjonctif compl
Page 116 and 117:
ACM (Modalités et individus)
Page 118 and 119:
KACM1
Page 120 and 121:
KACM2
Page 122 and 123:
Valeurs tests pour KACM2SEXE C1 C2
Page 124 and 125:
Tableau corrigé On utilise la dist
Page 126 and 127:
KDISJ (suite) Quand on tire une mod
Page 128 and 129:
KDISJ
Page 130 and 131:
Autre exemple : ANPE Demandeurs d
Page 132 and 133:
KACM : les modalités
Page 134 and 135:
KACM1 : individus + modalités
Page 136 and 137:
Analyse de données : introductionA
Page 138 and 139:
Conclusion Facilité de travail ave
Page 140 and 141:
Kohonen et Classification Les algor
Page 142 and 143:
Les données : SAVING Source : Bels
Page 144 and 145:
SAVING 5-5 500000000KACFASACPACPACP
Page 146 and 147:
Fonction epsilon (Letremy)1-ε(t)
Page 148 and 149:
Cortex sensoriel (Kohonen)
Page 150 and 151:
Homonculus (Anderson, Penfield andB
Page 152 and 153:
Résumé des choix à faire Nb de c
Page 154 and 155:
Les sorties obtenues(KFAST, KACP, K
Page 156:
Traitement des données manquantes
show all

Algorithme de Kohonen : classification et analyse exploratoire des ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?