Hiérarchies conceptuelles de données binaires

Alain Guénoche

Mathématiques et Sciences Humaines (1993)

  • Volume: 121, page 23-34
  • ISSN: 0987-6936

Abstract

top
The conceptual clustering problem is to build not only a partition of a set of objects into separated classes, but also to associate to each class a characterization in the representation space terms. In this text we present two algorithms, derived from classical clustering methods, to realise simultaneously these two functions, in a representation space generated by binary attributes. Characterizations will be expressed like characteristic functions of monothetic classes that correspond to concepts selected from Galois lattice.

How to cite

top

Guénoche, 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
  1. Berge, Cl., Graphes et Hypergraphes, Dunod, Paris, 1970. Zbl0213.25702MR357173
  2. Breiman L., Friedman J.H., Olshen R.A., Stone C.J., Classification and Regression Trees, Wadsworth International Group, 1984. Zbl0541.62042MR726392
  3. 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. 
  4. 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. 
  5. Guénoche A., "Classification conceptuelle dans l'Algèbre de Boole", XXII-ièmes Journées de Statistique, Tours, 28 Mai-1 Juin 1990. 
  6. 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. 
  7. 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. 
  8. Michalski R.S., Stepp R.E., "Learning from observation : Conceptual Clustering", Machine Learning : an Artificial Intelligence Approach, Tioga, Palo Alto, 1983, p. 331-363. 
  9. Mitchell T., "Generalization as search", Artificial Intelligence, 18, 1982, p. 203-226. MR652565
  10. Nicolas J., "Généralisation en logique des prédicats", Actes des Journées nationales PRC-GRECO I.A., Toulouse, Mars 1988, p. 255-274. 
  11. Pitt L., Reinke. R.E., "Criteria for Polynomial-Time (Conceptual) Clustering", Machine Learning, 2, 4, 1988, p. 371-396. 
  12. Sokal R.R., Sneath P.H.A., Principles of numerical taxonomy, Freeman, San Francisco, 1963. Zbl0285.92001MR456594
  13. Williams W.T., Lambert J.M., "Multivariate methods in plant ecology", J. of Ecology, 47, 1959, p. 83-101. 

NotesEmbed ?

top

You must be logged in to post comments.

To embed these notes on your page include the following JavaScript code on your page where you want the notes to appear.

Only the controls for the widget will be shown in your chosen language. Notes will be shown in their authored language.

Tells the widget how many notes to show per page. You can cycle through additional notes using the next and previous controls.

    
                

Note: Best practice suggests putting the JavaScript code just before the closing </body> tag.