Classification automatique de données basées la théorie des graphes application à la segmentation d'images couleurs
| dc.contributor.author | Younsi Merzouk | |
| dc.contributor.author | Salmi Abderezak | |
| dc.contributor.other | Hammouche Kamal | |
| dc.date.accessioned | 2019-11-12T13:05:25Z | |
| dc.date.available | 2019-11-12T13:05:25Z | |
| dc.date.issued | 2011 | |
| dc.description | 111 f. : ill. ; 30 cm. (+ CD-Rom) | en |
| dc.description.abstract | Résumé Nous avons présenté dans ce travail une méthode de classification automatique de données appelée classification spectrale (spectral clustering) basée sur la théorie spectrale des graphes et des coupes de graphes. Elle comprend essentiellement trois étapes: (1) prétraitement : à partir de la base de données, construire la matrice de similarité qui peut être identifiée à un graphe : les noeuds du graphe sont les données et le poids des arêtes formées entre chaque paire de noeuds représente alors la mesure de similarité locale entre deux observations, (2) décomposition : analyser les valeurs et vecteurs propres (spectre) de la matrice de similarité, (3) groupement : extraire les k premiers vecteurs propres (vecteurs dominants) associés aux k plus petites valeurs propres de la matrice de similarité (k étant le nombre de classes à construire fixé à priori par l’utilisateur). Ces vecteurs propres constituent un espace de dimension réduite dans lequel les données transformées seront linéairement séparables. Dans le cadre de notre application, nous avons appliqué la méthode de classification spectrale dans un premier temps sur des données artificielles afin dévaluer ses résultats, ensuite, cette méthode est appliquée à la segmentation des images couleurs par classification non supervisée des pixels. Les différents résultats obtenus sont évalués à base de la matrice de confusion dans le cas des données artificielles, et le critère d’évaluation de Borsotti dans le cas de la segmentation d’images couleurs. Mots clés : Méthode de k-Means, théorie des graphes, spectral clustering, matrices laplaciennes, valeurs propres et vecteurs propres, segmentation d’images couleurs. | en |
| dc.identifier.citation | Automatique | |
| dc.identifier.other | MAST.AUTO.10-11 | en |
| dc.identifier.uri | https://dspace.ummto.dz/handle/ummto/7714 | |
| dc.language.iso | fr | en |
| dc.publisher | Université Mouloud Mammeri | en |
| dc.subject | Classification | en |
| dc.subject | Methode de K- means | en |
| dc.subject | Segmentation d'images | en |
| dc.subject | Graphes. | en |
| dc.title | Classification automatique de données basées la théorie des graphes application à la segmentation d'images couleurs | en |
| dc.type | Thesis | en |