Méthode de classification : LES K-MEANS
Antoine Damon Mastère IST 2001 projet MBAI
Problématique
Un problème dans le domaine de traitement de l'information est d'arriver à simplifier l'information. Une méthode simple, pour y remédier, est de regrouper en une même classe différents éléments porteurs d'une information a peu près similaire. Ainsi l'information totale est représentée par de grands ensembles (les classes) et non plus par les nombreux sous ensembles. Dans le cas précis du traitement des images, l'élément porteur de l'information est le pixel et l'information que nous allons chercher à classer est son niveau de gris. La méthode de classification étudiée est celle des K-means.
Le but de l'étude est de mettre en évidence l'influence de l'importance du type de distance utilisée dans le résultat de la classification.
Conclusion
Aucune méthode dans l'absolu est meilleure qu'une autre, il est important de savoir choisir la méthode en fonction des résultats que l'on souhaite obtenir. Est ce que l'on souhaite privilégier la qualité de la classification ou le temps de calcul?
Dans le cas où la qualité de classification est privilégiée, l'utilisation d'une norme de Mahalanobis est souhaitable, dans le cas contraire il est préférable d'utiliser une norme Linfinie ( uniquement pour le cas d'une image multi spectrale) ou une norme L2.