Accéder directement au contenu Accéder directement à la navigation
Communication dans un congrès

Clustering et détection d'anomalies dans les données fonctionnelles

Résumé : Ce travail propose une méthode permettant simultanément de grouper en clusters et de détecter des anomalies dans des données fonctionnelles multivariées. Les données fonctionnelles sont décomposées dans une base de fonctions de dimension finie. La méthode repose ensuite sur des modèles de mélanges gaussiens contaminés parcimonieux sur cette décomposition. Un algorithme ECM est utilisé pour l'inférence du modèle. La performance du modèle est illustrée sur des données simulées.
Type de document :
Communication dans un congrès
Liste complète des métadonnées

https://hal.univ-lyon2.fr/hal-03649201
Contributeur : Messan Martial AMOVIN-ASSAGBA Connectez-vous pour contacter le contributeur
Soumis le : mardi 17 mai 2022 - 16:09:20
Dernière modification le : samedi 24 septembre 2022 - 15:36:05

Identifiants

  • HAL Id : hal-03649201, version 1

Citation

Martial Amovin-Assagba, Irène Gannaz, Julien Jacques. Clustering et détection d'anomalies dans les données fonctionnelles. 53èmes Journées de Statistique de la Société Française de Statistique, Jun 2022, Lyon, France. ⟨hal-03649201⟩

Partager

Métriques

Consultations de la notice

43

Téléchargements de fichiers

22