Contributions à l'étude de la classification spectrale et applications
Contributions à l'étude de la classification spectrale et applications
Contributions à l'étude de la classification spectrale et applications
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
90 Parallélisation <strong>de</strong> <strong>la</strong> c<strong>la</strong>ssification <strong>spectrale</strong><br />
<strong>la</strong> matrice affinité en <strong>la</strong> réordonnançant.<br />
3.2 C<strong>la</strong>ssification <strong>spectrale</strong> parallèle avec interface<br />
Dans c<strong>et</strong>te section, nous présentons une première stratégie <strong>de</strong> décomposition en sous-domaine<br />
du spectral clustering. Les diverses étapes <strong>de</strong> <strong>la</strong> stratégie parallèle seront étudiées puis <strong>la</strong> cohérence<br />
<strong>de</strong> <strong>la</strong> métho<strong>de</strong> sera vérifiée <strong>et</strong> enfin <strong>de</strong>s exemples géométriques avec différents mail<strong>la</strong>ges seront testés<br />
<strong>et</strong> étudiés. Dans toute <strong>la</strong> suite, nous considérons l’ensemble <strong>de</strong> points S = {xi}i=1..N.<br />
3.2.1 Implémentation : composantes <strong>de</strong> l’algorithme<br />
Dans c<strong>et</strong>te section, les différentes composantes <strong>de</strong> <strong>la</strong> stratégie parallèle <strong>de</strong> décomposition en<br />
sous-domaines, représentées sur <strong>la</strong> figure 3.4, sont détaillées.<br />
Figure 3.4 – Principe du spectral clustering parallèle divisé en q = 2 sous-domaines<br />
Etape <strong>de</strong> prétraitement : partitionner S en q sous-domaines<br />
Incluons toutes les données dans une boîte <strong>de</strong> côté li pour <strong>la</strong> i me dimension, i = {1, .., p} où :<br />
li = max1