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