Clustering et détection d'anomalies dans les données fonctionnelles - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année :

Clustering et détection d'anomalies dans les données fonctionnelles

(1, 2) , (3) , (2)
1
2
3

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.
Fichier principal
Vignette du fichier
JdS2022_Martial_AMOVIN.pdf (4.53 Mo) Télécharger le fichier

Dates et versions

hal-03649201 , version 1 (17-05-2022)

Identifiants

  • HAL Id : hal-03649201 , version 1

Citer

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⟩
51 Consultations
29 Téléchargements

Partager

Gmail Facebook Twitter LinkedIn More