Nous utilisons des cookies pour vous proposer des contenus et services adaptés. En poursuivant votre navigation sur ce site, vous acceptez l'utilisation de cookies.
Ce site respecte la loi RGPD du 25 mai 2018. Pour en savoir plus, cliquez ici

Éléments de classification
aspects combinatoires et algorithmiques

Éléments de classification - hermès / lavoisier - 9782746214354
Éléments de classification 


L'objectif de la classification est de regrouper des objets d'étude selon des critères de ressemblance et de séparer ceux qui sont dissemblables selon des critères de séparation. Éléments de classification met l'accent sur des comparaisons à l'aide de dissimilarités. Lorsque la description des données est de nature qualitative, des pratiques de recodage permettent de se ramener dans un cadre proprement métrique (appelé espace de représentation). Après une étude des modèles classiques (partitions, hiérarchies, etc.), cet ouvrage s'intéresse à des modèles admettant des classes « empiétantes » et établit des théorèmes de bijection entre ces systèmes de classes et des modèles de dissimilarités. En dépit de la difficulté algorithmique des problèmes de classification, il met en évidence diverses instances polynomiales que des algorithmes exacts peuvent résoudre. Il présente aussi, lorsque la situation s'y prête, des algorithmes heuristiques.


En suivant ce lien, retrouvez tous les livres dans la collection Méthodes stochastiques appliquées.
En suivant ce lien, retrouvez tous les livres dans la spécialité Algorithmique - Objet.
Reliure : Broché
Nbr de pages : 438
Dimension : 16 x 24 cm
ISBN 10 : 2746214350
ISBN 13 : 9782746214354
125,00 €
Sur commande , expédition à 0.01€ sous 4 à 8 jours (en savoir plus)

Avis clients sur Éléments de classification - hermès / lavoisier - Méthodes stochastiques appliquées

(Ils sont modérés par nos soins et rédigés par des clients ayant acheté l'ouvrage)
Donnez votre avis

Chapitre 1. Une introduction à la classification. À propos de classification. D'autres domaines pour la classification. Commentaires bibliographiques. Chapitre 2. Espaces de représentation. Petite introduction aux structures discrètes. Les données : objets décrits par des variables. Recodages métriques. Algorithmes et NP-complétude. Trois jeux de données.Chapitre 3. Classes et partitions. Qu'est-ce qu'une classe ? Partitions. Reconnaissance. Trouver une classe optimale. Trouver une partition optimale. Méthodes génériques de partitionnement. Jeux de données. Chapitre 4. Modèles généraux. Systèmes de classes. Dissimilarités. Théorèmes de bijection. Systèmes binaires. Rigidité. Jeux de données. Chapitre 5. Hiérarchies. Qu'est-ce qu'une hiérarchie ? Mesures de qualité et comparaison de hiérarchies. Hiérarchies et ultramétriques. Reconnaissance. Trouver une hiérarchie optimale. Sous-dominante. Méthodes génériques de construction de hiérarchies. Jeux de données. Chapitre 6. Hiérarchies faibles. Systèmes de classes et indices. Dissimilarités. Reconnaissance. Trouver une quasi-ultramétrique optimale. Dissimilarités inférieures-maximales. Quasi-ultramétrique sous-dominante faible. Inférieures-maximales faiblement ultramétriques. Jeux de données.Chapitre 7. Systèmes rigides sur un chemin ou un cycle. Hypergraphes d'intervalle. Hypergraphes circulaires. Dissimilarités. Reconnaissance. Dissimilarités de Robinson inférieures maximales. Approximation circulaire. Jeux de données. Chapitre 8. Représentations arborées. Hypergraphes arborés. X-Arbres. Construire un arbre à partir de données. Jeux de données. Bibliographie. Index.

Rubriques associées pour Éléments de classification :