• xmlui.mirage2.page-structure.header.title
    • français
    • English
  • Aide
  • Connexion
  • Langue 
    • Français
    • English
Consulter le document 
  •   Accueil
  • DRM (UMR CNRS 7088)
  • DRM : Publications
  • Consulter le document
  •   Accueil
  • DRM (UMR CNRS 7088)
  • DRM : Publications
  • Consulter le document
JavaScript is disabled for your browser. Some features of this site may not work without it.

Afficher

Toute la baseCentres de recherche & CollectionsAnnée de publicationAuteurTitreTypeCette collectionAnnée de publicationAuteurTitreType

Mon compte

Connexion

Enregistrement

Statistiques

Documents les plus consultésStatistiques par paysAuteurs les plus consultés
Thumbnail - Request a copy

Clustering constrained symbolic data

De A. T. De Carvalho, Francisco; Csernel, Marc; Lechevallier, Yves (2009), Clustering constrained symbolic data, Pattern Recognition Letters, 30, 11, p. 1037–1045. http://dx.doi.org/10.1016/j.patrec.2009.04.009

Type
Article accepté pour publication ou publié
Date
2009-08
Nom de la revue
Pattern Recognition Letters
Volume
30
Numéro
11
Éditeur
Elsevier
Pages
1037–1045
Identifiant publication
http://dx.doi.org/10.1016/j.patrec.2009.04.009
Métadonnées
Afficher la notice complète
Auteur(s)
De A. T. De Carvalho, Francisco
Csernel, Marc
Lechevallier, Yves
Résumé (EN)
Dealing with multi-valued data has become quite common in both the framework of databases as well as data analysis. Such data can be constrained by domain knowledge provided by relations between the variables and these relations are expressed by rules. However, such knowledge can introduce a combinatorial increase in the computation time depending on the number of rules. In this paper, we present a way to cluster such data in polynomial time. The method is based on the following: a decomposition of the data according to the rules, a suitable dissimilarity function and a clustering algorithm based on dissimilarities.
Mots-clés
Symbolic Data Analysis; Clustering algorithms; Normal symbolic form; Constraints; Dissimilarity functions
JEL
C02 - Mathematical Methods
C89 - Other

Publications associées

Affichage des éléments liés par titre et auteur.

  • Vignette de prévisualisation
    Clustering of symbolic data using the assignment-prototype algorithm 
    Silva, K.P.; De A. T. De Carvalho, Francisco; Csernel, Marc (2009-06) Communication / Conférence
  • Vignette de prévisualisation
    Clustering of symbolic data through a dissimilarity volume based measure 
    Silva, K.P.; De A. T. De Carvalho, Francisco; Csernel, Marc (2008) Communication / Conférence
  • Vignette de prévisualisation
    Characterizing visitor groups from web data streams 
    da Silva, Alzennyr; De A. T. De Carvalho, Francisco; Lechevallier, Yves; Trousse, Brigitte (2006) Communication / Conférence
  • Vignette de prévisualisation
    Exploratory Analysis of Functional Data via Clustering and Optimal Segmentation 
    Rossi, Fabrice; Lechevallier, Yves; Hugueney, Bernard; Hébrail, Georges (2010) Article accepté pour publication ou publié
  • Vignette de prévisualisation
    Advances in Theory and applications of High Dimensional and Symbolic Data Analysis 
    Collectif Revue Des Nouvelles Technologies De L'information,; Diday, Edwin; Saporta, Gilbert; Lechevallier, Yves; Guan, Rong; Wang, Huiwen (2020) Ouvrage
Dauphine PSL Bibliothèque logo
Place du Maréchal de Lattre de Tassigny 75775 Paris Cedex 16
Tél. : 01 44 05 40 94
Contact
Dauphine PSL logoEQUIS logoCreative Commons logo