Author: Michel Lussignol
Publisher:
ISBN:
Category :
Languages : fr
Pages : 312
Book Description
Méthodes d'analyse et de représentation de données multidimensionnelles
Author: Michel Lussignol
Publisher:
ISBN:
Category :
Languages : fr
Pages : 312
Book Description
Publisher:
ISBN:
Category :
Languages : fr
Pages : 312
Book Description
Méthodes graphiques d'analyse de données multidimensionnelles
Author: André Gascon
Publisher:
ISBN:
Category :
Languages : fr
Pages : 228
Book Description
Publisher:
ISBN:
Category :
Languages : fr
Pages : 228
Book Description
Analyse des données multidimensionnelles
Author: Jean-Paul Auray
Publisher: Lacassagne
ISBN: 9782905972248
Category :
Languages : fr
Pages : 167
Book Description
Publisher: Lacassagne
ISBN: 9782905972248
Category :
Languages : fr
Pages : 167
Book Description
Analyse géométrique des données multidimensionnelles
Author: Brigitte Le Roux
Publisher: Dunod
ISBN: 2100700537
Category : Psychology
Languages : fr
Pages : 416
Book Description
Dans cet ouvrage consacré aux données multidimensionnelles, l’optique adoptée est celle de l’approche française d’analyse des données, avec ses caractéristiques : géométrique, formelle, statistique. L’exposé est ici progressif et présente les méthodes classiques : régression, classification, analyse en composantes principales, analyse des correspondances simples et multiples. Les méthodes sont illustrées par des exercices, basés sur des données réelles, accompagnés de solutions et de commentaires, et par des analyses de données « grandeur nature », en particulier celles concernant la dernière recherche empirique de Pierre Bourdieu. Véritable outil pédagogique, ce livre prépare le lecteur à se confronter aux données, à les analyser en passant par la mise en oeuvre informatique.
Publisher: Dunod
ISBN: 2100700537
Category : Psychology
Languages : fr
Pages : 416
Book Description
Dans cet ouvrage consacré aux données multidimensionnelles, l’optique adoptée est celle de l’approche française d’analyse des données, avec ses caractéristiques : géométrique, formelle, statistique. L’exposé est ici progressif et présente les méthodes classiques : régression, classification, analyse en composantes principales, analyse des correspondances simples et multiples. Les méthodes sont illustrées par des exercices, basés sur des données réelles, accompagnés de solutions et de commentaires, et par des analyses de données « grandeur nature », en particulier celles concernant la dernière recherche empirique de Pierre Bourdieu. Véritable outil pédagogique, ce livre prépare le lecteur à se confronter aux données, à les analyser en passant par la mise en oeuvre informatique.
Analyse des données multidimensionnelles
Author: Jean-Paul Auray
Publisher: Lacassagne
ISBN: 9782905972217
Category :
Languages : fr
Pages : 125
Book Description
Publisher: Lacassagne
ISBN: 9782905972217
Category :
Languages : fr
Pages : 125
Book Description
Méthodes, Applications Et Logiciels en Analyse Des Données Multidimensionnelles
Author: N. C. Lauro
Publisher:
ISBN:
Category : Mathematical statistics
Languages : en
Pages : 200
Book Description
Publisher:
ISBN:
Category : Mathematical statistics
Languages : en
Pages : 200
Book Description
Analyse en composantes curvilignes et representation de donnees multidimensionnelles
Author: Claire Jausions-Picaud
Publisher:
ISBN:
Category :
Languages : fr
Pages : 135
Book Description
DANS DE NOMBREUX CAS, LES DONNEES DONT NOUS POUVONS DISPOSER SONT DE TRES GRANDE DIMENSIONALITE. ELLES SONT DONC DIFFICILES A APPREHENDER. LES TECHNIQUES D'ANALYSE DE DONNEES VISENT A REDUIRE LE NOMBRE DE DIMENSIONS D'UN JEU DE DONNEES, DE MANIERE A CE QU'IL PUISSE ETRE REPRESENTE DANS UN ESPACE DE FAIBLE DIMENSION (SI POSSIBLE DEUX OU TROIS), OU L'ANALYSE VISUELLE EST ALORS AISEE. DANS CE TRAVAIL, NOUS PRESENTONS DES TECHNIQUES CLASSIQUES D'ANALYSE DE DONNEES ET LEURS EQUIVALENTS NEURONAUX, LIMITEES POUR LA PLUPART A LA RECHERCHE DE STRUCTURES LINEAIRES. NOUS EXPOSONS D'AUTRES METHODES POUVANT EXTRAIRE DES STRUCTURES NON LINEAIRES. PARMI CELLES-CI, NOUS DECRIVONS LES CARTES DE KOHONEN EN INSISTANT SUR LEUR POINT FAIBLE : LA FORME DE LA CARTE NEURONALE DOIT ETRE FIXEE A PRIORI. CETTE CARACTERISTIQUE, PRIMORDIALE POUR UN BON TRAITEMENT DES DONNEES, EST DIFFICILE A DETERMINER. CES METHODES ONT SERVI DE BASE ET D'INSPIRATION POUR LA REALISATION DE L'ALGORITHME D'ANALYSE EN COMPOSANTES CURVILIGNES, QUI DEPASSE LA MAJORITE DE LEURS DEFAUTS. IL EST CONCU POUR EXTRAIRE DES DONNEES NON-LINEAIRES. IL DETERMINE DE LUI-MEME LA FORME DE LA CARTE LA PLUS APPROPRIEE POUR TRAITER DES DONNEES. IL PERMET DE DEPLIER UNE STRUCTURE DANS UN ESPACE DE REPRESENTATION DE DIMENSION REDUITE. NOUS DETAILLONS LES PRINCIPES DE CETTE METHODE ET VOYONS QUELQUES CAS D'ECOLE OU ELLE EST APPLIQUEE AVEC SUCCES. SONT ENSUITE DETAILLEES PLUSIEURS APPLICATIONS DE L'ACC A DES PROBLEMES REELS. CETTE METHODE NOVATRICE S'ATTAQUE AVEC SUCCES AU TRAITEMENT DE PROBLEMES LIES AUSSI BIEN A LA CLASSIFICATION DE PHOTOGRAPHIES DE SCENES QU'A DES CARTES ROUTIERES. NOUS NOUS ATTARDONS SUR L'APPLICATION DE CETTE METHODE AU ROUTAGE ADAPTATIF DE MESSAGES DANS DES RESEAUX DE TELECOMMUNICATIONS. CE CAS GRANDEUR REELLE NECESSITE UNE ANALYSE ET UNE MODELISATION DES SYSTEMES PHYSIQUES QUI PEUVENT ALORS ETRE TRAITES PAR L'ACC.
Publisher:
ISBN:
Category :
Languages : fr
Pages : 135
Book Description
DANS DE NOMBREUX CAS, LES DONNEES DONT NOUS POUVONS DISPOSER SONT DE TRES GRANDE DIMENSIONALITE. ELLES SONT DONC DIFFICILES A APPREHENDER. LES TECHNIQUES D'ANALYSE DE DONNEES VISENT A REDUIRE LE NOMBRE DE DIMENSIONS D'UN JEU DE DONNEES, DE MANIERE A CE QU'IL PUISSE ETRE REPRESENTE DANS UN ESPACE DE FAIBLE DIMENSION (SI POSSIBLE DEUX OU TROIS), OU L'ANALYSE VISUELLE EST ALORS AISEE. DANS CE TRAVAIL, NOUS PRESENTONS DES TECHNIQUES CLASSIQUES D'ANALYSE DE DONNEES ET LEURS EQUIVALENTS NEURONAUX, LIMITEES POUR LA PLUPART A LA RECHERCHE DE STRUCTURES LINEAIRES. NOUS EXPOSONS D'AUTRES METHODES POUVANT EXTRAIRE DES STRUCTURES NON LINEAIRES. PARMI CELLES-CI, NOUS DECRIVONS LES CARTES DE KOHONEN EN INSISTANT SUR LEUR POINT FAIBLE : LA FORME DE LA CARTE NEURONALE DOIT ETRE FIXEE A PRIORI. CETTE CARACTERISTIQUE, PRIMORDIALE POUR UN BON TRAITEMENT DES DONNEES, EST DIFFICILE A DETERMINER. CES METHODES ONT SERVI DE BASE ET D'INSPIRATION POUR LA REALISATION DE L'ALGORITHME D'ANALYSE EN COMPOSANTES CURVILIGNES, QUI DEPASSE LA MAJORITE DE LEURS DEFAUTS. IL EST CONCU POUR EXTRAIRE DES DONNEES NON-LINEAIRES. IL DETERMINE DE LUI-MEME LA FORME DE LA CARTE LA PLUS APPROPRIEE POUR TRAITER DES DONNEES. IL PERMET DE DEPLIER UNE STRUCTURE DANS UN ESPACE DE REPRESENTATION DE DIMENSION REDUITE. NOUS DETAILLONS LES PRINCIPES DE CETTE METHODE ET VOYONS QUELQUES CAS D'ECOLE OU ELLE EST APPLIQUEE AVEC SUCCES. SONT ENSUITE DETAILLEES PLUSIEURS APPLICATIONS DE L'ACC A DES PROBLEMES REELS. CETTE METHODE NOVATRICE S'ATTAQUE AVEC SUCCES AU TRAITEMENT DE PROBLEMES LIES AUSSI BIEN A LA CLASSIFICATION DE PHOTOGRAPHIES DE SCENES QU'A DES CARTES ROUTIERES. NOUS NOUS ATTARDONS SUR L'APPLICATION DE CETTE METHODE AU ROUTAGE ADAPTATIF DE MESSAGES DANS DES RESEAUX DE TELECOMMUNICATIONS. CE CAS GRANDEUR REELLE NECESSITE UNE ANALYSE ET UNE MODELISATION DES SYSTEMES PHYSIQUES QUI PEUVENT ALORS ETRE TRAITES PAR L'ACC.
Visualisation et classification de données multidimensionnelles
Author: Frédéric Blanchard
Publisher:
ISBN:
Category :
Languages : fr
Pages : 344
Book Description
L'analyse des images multicomposantes est un problème crucial. Les questions de la visualisation et de la classification pour ces images sont importantes. Nous nous sommes intéressés à ces deux problèmes en nous plaçant dans le cadre plus général de l'analyse des données multidimensionnelles, et avons apporté deux éléments de réponses. Avant de traiter ces questions, nous nous sommes intéressés aux problèmes pratiques et théoriques liés à la dimensionnalité et étudions quelques unes des techniques courantes de réduction de dimensionnalité. La question de la visualisation est alors exposée et une nouvelle méthode utilisant l'image couleur est proposée. Cette technique permet une visualisation immédiate et synthétique des données, sans connaissance a priori. Elle est illustrée par des applications. Nous présentons également une contribution à la classification non supervisée de données qui se situe en amont du processus de classification proprement dit. Nous avons conçu une nouvelle façon de représenter les données et leurs liens à l'aide de la théorie des ensembles flous. Cette méthode permet, en classification, de traiter avec succès des échantillons de données dont les classes sont d'effectifs et de densités différents, sans faire d'a priori sur leur forme. Un algorithme de classification et des exemples de son application sont proposés. Ce travail présente deux contributions importantes aux problématiques de la visualisation et la classification, et fait intervenir des concepts issus de thématiques diverses comme l'analyse de données ou la théorie des ensembles flous. Il peut ainsi être utilisé dans d'autres contextes que celui de l'analyse d'images multicomposantes.
Publisher:
ISBN:
Category :
Languages : fr
Pages : 344
Book Description
L'analyse des images multicomposantes est un problème crucial. Les questions de la visualisation et de la classification pour ces images sont importantes. Nous nous sommes intéressés à ces deux problèmes en nous plaçant dans le cadre plus général de l'analyse des données multidimensionnelles, et avons apporté deux éléments de réponses. Avant de traiter ces questions, nous nous sommes intéressés aux problèmes pratiques et théoriques liés à la dimensionnalité et étudions quelques unes des techniques courantes de réduction de dimensionnalité. La question de la visualisation est alors exposée et une nouvelle méthode utilisant l'image couleur est proposée. Cette technique permet une visualisation immédiate et synthétique des données, sans connaissance a priori. Elle est illustrée par des applications. Nous présentons également une contribution à la classification non supervisée de données qui se situe en amont du processus de classification proprement dit. Nous avons conçu une nouvelle façon de représenter les données et leurs liens à l'aide de la théorie des ensembles flous. Cette méthode permet, en classification, de traiter avec succès des échantillons de données dont les classes sont d'effectifs et de densités différents, sans faire d'a priori sur leur forme. Un algorithme de classification et des exemples de son application sont proposés. Ce travail présente deux contributions importantes aux problématiques de la visualisation et la classification, et fait intervenir des concepts issus de thématiques diverses comme l'analyse de données ou la théorie des ensembles flous. Il peut ainsi être utilisé dans d'autres contextes que celui de l'analyse d'images multicomposantes.
Quelques méthodes descriptives d'analyse de données multidimensionnelles [microforme]
Author: Croteau, Jean-Pierre
Publisher:
ISBN:
Category :
Languages : fr
Pages : 164
Book Description
Publisher:
ISBN:
Category :
Languages : fr
Pages : 164
Book Description
Quelques méthodes descriptives d'analyse de données multidimensionnelles
Author: Jean-Pierre Croteau
Publisher:
ISBN:
Category :
Languages : fr
Pages : 164
Book Description
Publisher:
ISBN:
Category :
Languages : fr
Pages : 164
Book Description