Intelligence Artificielle et Applications

Edition 1: Réseaux de Neurones et Classification Automatique des Données Multidimensionnelles

La reconnaissance de notre environnement est basée essentiellement sur l’observation, l’analyse et la classification.

Les éléments de notre environnement sont en effet classés par comparaison avec leurs semblables dans des modes de représentations relationnelles hiérarchiques.

Cette démarche est relativement difficile à formaliser, surtout quand on se place dans un contexte non supervisé.

C’est à dire, lorsqu’il s’agit d’identifier les classes en présence dans un échantillon à partir de la seule information qui peut être extraite des objets à classer.

En général, les objets sont caractérisés par des attributs qu’il est commode de représenter par des points dans un espace multidimensionnel.

Dans ce contexte, de nombreuses méthodes de classification ont été développées.

Certaines d’entre elles sont basées sur des concepts de distances, tandis que d’autres se réfèrent à des notions statistiques où l’on fait explicitement référence à la fonction de densité de probabilité (fdp) sous-jacente à la distribution des données à classer.