Classification non-supervisée de données multi-représentées par une approche collaborative.
Résumé
Nous nous intéressons dans cette étude à la classification non-supervisée de données multi-représentées, i.e. des données décrites par plusieurs sources d'information. Nous proposons un cadre méthodologique permettant la recherche d'une classification réalisant un consensus entre les différentes représentations. Nous nous inspirons d'un travail récent de Bickel et Sheffer visant à étendre les modèles de mélanges au cas des données multi-représentées (Co-EM) et proposons un modèle de classification floue basé sur K-moyennes. Les expérimentations proposées valident l'étude sur un jeu de données adapté.