Browsing by Subject Co-similarité

Jump to: 0-9 A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
or enter first few letters:  
Showing results 1 to 1 of 1
  • Rapport final de stage_DAO Van-Sang.pdf.jpg
  • Thesis


  • Authors: ĐÀO, Văn Sáng;  Advisor: BURGER, Thomas; BISSON, Gilles (2013)

  • La classification de données (apprentissage non-supervisé) a pour but de regrouper un ensemble d'observations sous la forme de classes homogènes et contrastées. Les notions de distances et de similarités sont souvent utilisées dans le domaine d’apprentissage automatique, en particulier des méthodes de classification. La plupart des mesures classiques ne sont pas adaptées pour les bases de données réelles. En effet, lorsque l’on applique ces méthodes à des données réelles, la grande taille de ces données et leur aspect creux rendent le plus souvent ces mesures inappropriées. C’est en partie afin de mieux prendre en compte ces propriétés des données réelles, que des approches de co-clas...

Browsing by Subject Co-similarité

Jump to: 0-9 A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
or enter first few letters:  
Showing results 1 to 1 of 1
  • Rapport final de stage_DAO Van-Sang.pdf.jpg
  • Thesis


  • Authors: ĐÀO, Văn Sáng;  Advisor: BURGER, Thomas; BISSON, Gilles (2013)

  • La classification de données (apprentissage non-supervisé) a pour but de regrouper un ensemble d'observations sous la forme de classes homogènes et contrastées. Les notions de distances et de similarités sont souvent utilisées dans le domaine d’apprentissage automatique, en particulier des méthodes de classification. La plupart des mesures classiques ne sont pas adaptées pour les bases de données réelles. En effet, lorsque l’on applique ces méthodes à des données réelles, la grande taille de ces données et leur aspect creux rendent le plus souvent ces mesures inappropriées. C’est en partie afin de mieux prendre en compte ces propriétés des données réelles, que des approches de co-clas...