Contributions à l'étude de la classification spectrale et applications

More documents

Recommendations

Info

Liste des tableaux 1.1 Exemples géométriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 1.2 Exemples géométriques avec l’affinité (1.5) . . . . . . . . . . . . . . . . . . . . . . . . 28 3.1 2 sphères tronquées : cas avec interface . . . . . . . . . . . . . . . . . . . . . . . . . . 96 3.2 3 sphères tronquées : cas avec interface . . . . . . . . . . . . . . . . . . . . . . . . . . 100 3.3 2 sphères tronquées : cas avec recouvrement . . . . . . . . . . . . . . . . . . . . . . . 106 3.4 3 sphères tronquées : cas avec recouvrement . . . . . . . . . . . . . . . . . . . . . . . 108 3.5 Nombres de clusters suivant leur cardinal . . . . . . . . . . . . . . . . . . . . . . . . 114 4.1 Catégories génomiques présentes sur la puce dédiée . . . . . . . . . . . . . . . . . . . 123 4.2 Critères d’évaluation quantitative . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151 ix
Page 1: Institut National Polytechnique de
Page 4 and 5: ii TABLE DES MATIÈRES 2.5.1 Expér
Page 7 and 8: Table des figures 1.1 Illustration
Page 9: TABLE DES FIGURES vii 4.8 Etude ave
Page 14 and 15: 2 LISTE DES TABLEAUX Je remercie me
Page 16 and 17: 4 Introduction classe et la dispers
Page 18 and 19: 6 Introduction choisi pour mesure d
Page 20 and 21: 8 Introduction k à partir de la me
Page 22 and 23: 10 Classification spectrale : algor
Page 46 and 47: 34 Classification et éléments spe
Page 60 and 61:
48 Classification et éléments spe
Page 62 and 63:
Page 64 and 65:
Page 66 and 67:
Page 68 and 69:
Page 70 and 71:
Page 72 and 73:
Page 74 and 75:
Page 76 and 77:
Page 78 and 79:
Page 80 and 81:
Page 82 and 83:
Page 84 and 85:
Page 86 and 87:
Page 88 and 89:
Page 90 and 91:
Page 92 and 93:
Page 95 and 96:
Chapitre 3 Parallélisation de la c
Page 97 and 98:
3.1.1 Etude dans le continu 85 (a)
Page 99 and 100:
3.1.2 Passage au discret 87 Théor
Page 101 and 102:
3.1.3 Définition du nombre de clas
Page 103 and 104:
3.2.1 Implémentation : composantes
Page 105 and 106:
3.2.2 Justification de la cohérenc
Page 107 and 108:
3.2.3 Expérimentations parallèles
Page 109 and 110:
Page 111 and 112:
Page 113 and 114:
3.3 Classification spectrale parall
Page 115 and 116:
3.3.2 Justification de la cohérenc
Page 117 and 118:
3.3.3 Expérimentations numériques
Page 119 and 120:
3.3.3 Expérimentations numériques
Page 121 and 122:
3.4 Segmentation d’images 109 A p
Page 123 and 124:
3.4.1 Boîte affinité 3D rectangul
Page 125 and 126:
Page 127 and 128:
Page 129 and 130:
Page 131 and 132:
Chapitre 4 Extraction de connaissan
Page 133 and 134:
4.1 Présentation du problème biol
Page 135 and 136:
4.2.1 Présentation de la méthode
Page 137 and 138:
4.2.2 Adaptation de la méthode Sel
Page 139 and 140:
4.2.2 Adaptation de la méthode Sel
Page 141 and 142:
4.2.3 Simulations 129 Concernant l
Page 143 and 144:
4.3 Spectral Clustering sur les don
Page 145 and 146:
Page 147 and 148:
Page 149 and 150:
4.5 L’imagerie Tomographique par
Page 151 and 152:
4.6 Classification en TEP dynamique
Page 153 and 154:
4.7 Segmentation non supervisée ba
Page 155 and 156:
4.8.2 Spectral clustering sur TACs
Page 157 and 158:
4.9 Validation par simulation d’i
Page 159 and 160:
4.9.2 Critères d’évaluation qua
Page 161 and 162:
4.9.3 Résultats du spectral cluste
Page 163 and 164:
4.9.3 Résultats du spectral cluste
Page 165:
4.9.4 Comparaison avec la méthode
Page 168 and 169:
156 Extraction de connaissances app
Page 170 and 171:
158 Extraction de connaissances app
Page 172 and 173:
160 BIBLIOGRAPHIE [16] A. Ben-Hur,
Page 174 and 175:
162 BIBLIOGRAPHIE [55] D. Harel and
Page 176 and 177:
164 BIBLIOGRAPHIE [93] M. Soret, S.
Page 179:
Contributions à l'étude de la cla
show all

Contributions à l'étude de la classification spectrale et applications

Create successful ePaper yourself

Delete template?

Save as template?