Hiérarchies conceptuelles de données binaires
Mathématiques et Sciences Humaines (1993)
- Volume: 121, page 23-34
- ISSN: 0987-6936
Access Full Article
topAbstract
topHow to cite
topGuénoche, Alain. "Hiérarchies conceptuelles de données binaires." Mathématiques et Sciences Humaines 121 (1993): 23-34. <http://eudml.org/doc/94436>.
@article{Guénoche1993,
abstract = {En classification conceptuelle d'un ensemble d'objets décrits dans un espace de représentation, on cherche à construire une partition des objets en classes disjointes et simultanément une caractérisation de chaque classe dans les termes de l'espace de représentation. Dans le cas, très courant, où cet espace est engendré par des données binaires nous présentons deux algorithmes, dérivés des méthodes ascendantes et descendantes en classification qui maximisent localement un indice de cohésion des classes. Les caractérisations construites sont des conjonctions de caractères communs qui sont également caractéristiques des classes. De ce fait elles sont monothétiques et et constituent des éléments du treillis Galois.},
author = {Guénoche, Alain},
journal = {Mathématiques et Sciences Humaines},
keywords = {conceptual clustering; algorithms; representation space; binary attributes; characteristic functions of monothetic classes; Galois lattices},
language = {fre},
pages = {23-34},
publisher = {Ecole des hautes-études en sciences sociales},
title = {Hiérarchies conceptuelles de données binaires},
url = {http://eudml.org/doc/94436},
volume = {121},
year = {1993},
}
TY - JOUR
AU - Guénoche, Alain
TI - Hiérarchies conceptuelles de données binaires
JO - Mathématiques et Sciences Humaines
PY - 1993
PB - Ecole des hautes-études en sciences sociales
VL - 121
SP - 23
EP - 34
AB - En classification conceptuelle d'un ensemble d'objets décrits dans un espace de représentation, on cherche à construire une partition des objets en classes disjointes et simultanément une caractérisation de chaque classe dans les termes de l'espace de représentation. Dans le cas, très courant, où cet espace est engendré par des données binaires nous présentons deux algorithmes, dérivés des méthodes ascendantes et descendantes en classification qui maximisent localement un indice de cohésion des classes. Les caractérisations construites sont des conjonctions de caractères communs qui sont également caractéristiques des classes. De ce fait elles sont monothétiques et et constituent des éléments du treillis Galois.
LA - fre
KW - conceptual clustering; algorithms; representation space; binary attributes; characteristic functions of monothetic classes; Galois lattices
UR - http://eudml.org/doc/94436
ER -
References
top- Berge, Cl., Graphes et Hypergraphes, Dunod, Paris, 1970. Zbl0213.25702MR357173
- Breiman L., Friedman J.H., Olshen R.A., Stone C.J., Classification and Regression Trees, Wadsworth International Group, 1984. Zbl0541.62042MR726392
- Gascuel O., A. Guénoche, "Approche symbolique-numérique en Apprentissage", Actes des journées nationales du PRC-IA, B. Bouchon Meunier (Ed.), Hermès, Paris, 1990, p. 91-112.
- Guénoche A., "Generalization and Conceptual Classification : Indices and Algorithm ", Data Analysis, Learning symbolic and numeric knowledge, E. Diday (Ed.), Nova Science Publishers, New York, 1989, p. 503-510.
- Guénoche A., "Classification conceptuelle dans l'Algèbre de Boole", XXII-ièmes Journées de Statistique, Tours, 28 Mai-1 Juin 1990.
- Guénoche A., "Méthodes booléennes pour la caractérisation des exemples par les contre-exemples ", Actes des V-ièmes Journées Françaises de l'Apprentissage, Cassis, 1988, 11p.
- Michalski R.S., Diday E., Stepp R.E., "A recent advance in data analysis : Clustering Objects into Classes Characterized by Conjunctive Concepts", Progress in Patern Recognition, KANAL L.N.& ROSENFELD, A., (Eds.), North-Holland, 1981, p. 33-56.
- Michalski R.S., Stepp R.E., "Learning from observation : Conceptual Clustering", Machine Learning : an Artificial Intelligence Approach, Tioga, Palo Alto, 1983, p. 331-363.
- Mitchell T., "Generalization as search", Artificial Intelligence, 18, 1982, p. 203-226. MR652565
- Nicolas J., "Généralisation en logique des prédicats", Actes des Journées nationales PRC-GRECO I.A., Toulouse, Mars 1988, p. 255-274.
- Pitt L., Reinke. R.E., "Criteria for Polynomial-Time (Conceptual) Clustering", Machine Learning, 2, 4, 1988, p. 371-396.
- Sokal R.R., Sneath P.H.A., Principles of numerical taxonomy, Freeman, San Francisco, 1963. Zbl0285.92001MR456594
- Williams W.T., Lambert J.M., "Multivariate methods in plant ecology", J. of Ecology, 47, 1959, p. 83-101.
NotesEmbed ?
topTo embed these notes on your page include the following JavaScript code on your page where you want the notes to appear.