28.06.2013 Views

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

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

3.3.2 Justification <strong>de</strong> <strong>la</strong> cohérence <strong>de</strong> <strong>la</strong> métho<strong>de</strong> 103<br />

Spectral Clustering sur les sous-domaines<br />

Le même algorithme <strong>de</strong> spectral clustering utilisé pour <strong>la</strong> métho<strong>de</strong> parallèle avec interface est<br />

appliqué sur les sous-domaines. De plus, les détails liés <strong>à</strong> <strong>la</strong> parallélisation sont les mêmes.<br />

Etape <strong>de</strong> regroupement<br />

La partition finale est formée du regroupement <strong>de</strong>s partitions issues <strong>de</strong>s nbproc partitions du<br />

clustering spectral appliqué aux nbprocs sous-ensembles <strong>de</strong> S. Le regroupement est réalisé <strong>à</strong> l’ai<strong>de</strong><br />

<strong>de</strong>s résultats du spectral clustering sur <strong>la</strong> zone <strong>de</strong> recouvrement entre les sous-domaines <strong>et</strong> <strong>de</strong> <strong>la</strong><br />

re<strong>la</strong>tion d’équivalence (3.3). Si un point appartient <strong>à</strong> <strong>de</strong>ux clusters différents, ces <strong>de</strong>ux clusters sont<br />

assemblés en un plus grand. En sortie <strong>de</strong> <strong>la</strong> métho<strong>de</strong> parallèle, une partition <strong>de</strong> l’ensemble S <strong>de</strong>s<br />

données <strong>et</strong> un nombre final <strong>de</strong> clusters k sont donnés.<br />

De <strong>la</strong> même façon que pour l’interface, <strong>la</strong> stratégie avec recouvrement est testée sur le même<br />

exemple <strong>et</strong> représentée sur <strong>la</strong> figure 3.13. La cible est donc divisée en q = 4 sous domaines. Sur <strong>la</strong><br />

gauche, <strong>la</strong> partition finale, après l’étape <strong>de</strong> regroupement, est affichée. Sur <strong>la</strong> droite, les résultats du<br />

clustering spectral sur les 4 sous-domaines sont représentés.<br />

Figure 3.13 – Exemple cible : Résultat du spectral clustering avec recouvrement après étape <strong>de</strong><br />

regroupement <strong>et</strong> par sous-domaines<br />

3.3.2 Justification <strong>de</strong> <strong>la</strong> cohérence <strong>de</strong> <strong>la</strong> métho<strong>de</strong><br />

Dans c<strong>et</strong>te section, <strong>la</strong> cohérence <strong>de</strong> <strong>la</strong> métho<strong>de</strong> précé<strong>de</strong>mment introduite est étudiée. On va<br />

procé<strong>de</strong>r comme dans <strong>la</strong> section 3.2.2. Notons par ˆ Sk l’ensemble <strong>de</strong>s points pour le sous-domaine<br />

k, k ∈ [|1, q|]. L’objectif est <strong>de</strong> montrer, <strong>à</strong> nouveau, qu’<strong>à</strong> partir d’un clustering idéal <strong>de</strong> l’ensemble<br />

<strong>de</strong>s points ˆ Sk du sous-domaine k, l’étape <strong>de</strong> regroupement perm<strong>et</strong> <strong>de</strong> reconstituer les ensembles<br />

Si = S ∩ Ωi. La difficulté est <strong>de</strong> montrer que le clustering sur les pavés Ck, k ∈ [|1, q|] définis par <strong>la</strong><br />

stratégie par découpe avec recouvrement perm<strong>et</strong> d’obtenir les clusters ωk i au sens <strong>de</strong> l’hypothèse du

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!