Contributions à l'étude de la classification spectrale et applications

130 Extraction de connaissances appliquée à la biologie et l’imagerie médicale
Figure 4.7 – Différence entre les espèces A17 et F83 (t en abscisse, niveau d’expression en ordonnée)
d’initialisation et fonctions pour la mise à jour des vecteurs poids, dimension de la grille...
4.3 Spectral Clustering sur les données génomiques
Cette partie est consacrée à l’application de la méthode clustering spectral sur les données
génomiques présentées dans la section précédente. Les diverses espèces A17 et F83 seront étudiées
séparément puis la différence entre les deux espèces dans l’expression de chaque gène seront étudiée
et comparée par rapport à la méthode à noyaux SOM adaptée aux profils temporels.
Dans toute la suite de l’étude, l’heuristique (3.5) du choix du nombre de clusters, développée dans
le chapitre 3, est utilisée pour extraire une partition de ces données. Le paramètre σ de l’affinité
gaussienne vérifie l’équation (1.2) développée au chapitre 1, à savoir :
σ = Dmax
2N 1 ,
p
avec Dmax = max1≤i,j≤N xi − xj. Le spectral clustering est testé pour un minimum de la fonction
ratio η le plus proche du nombre de profils possibles. Comme résultat du spectral clustering, il
est représenté le vecteur moyen des points associés au même cluster. Un profil temporel moyen de
chaque cluster est ainsi représenté.