Clustering visuel semi-supervis? pour des syst?mes en coordonn?es en ?toiles 3D

Authors: Lo Lecerf, Boris Chidlovskii

Citation 8?mes journ?es francophones "Extraction et Gestion des Connaissances" EGC, Nice, France, 29janvier au 1er f?vrier, 2008.

Abstract Dans cet article, nous prosposons une approche qui combine les m?thodes statistiques avanc?es et la flexibilit? des approches interactives manuelles en clustering visuel. Nous pr?sentons l interface Semi-Supervised Visual Clustering (SSVC). Sa contribution principale est l apprentissage d une metrique de projection optimale pour la visualisation en coordonn?es en ?toiles ainsi que pour l extension 3D que nous avons d?velopp?e. La m?trique de distance de projection est apprise ? partir des retours de l utilisateur soit en termes de similarit?/dissimilarit? entre les items, soit par l annotation directe. L interface SSVC permet, de plus, une utilisation hybride dans laquelle un ensemble de param?tres sont manuellement fix?s par l utilisateur tandis que les autres param?tres sont determines par un algorithme de distance optimale.

Year: 2008
Report number: 2007/045