| Popis: |
RÉSUMÉ. La problématique du clustering non supervisé et semi-supervisé est très étudiée dans le domaine de l’apprentissage automatique. En vue d’impliquer l’utilisateur dans le clustering d’images, (Lai et al., 2014) a proposé un nouveau modèle de clustering semi-supervisé interactif traduisant les retours de l’utilisateur (exprimés au niveau des images) en contraintes par paires (must-link et cannot-link) entre groupes d’images constitués à l’aide d’une solution de clustering hiérarchique et de ces retours. Ces dernières années, le besoin de moyens appropriés pour mesurer la distance ou la similarité entre les données a conduit à l’émergence de l’apprentissage de métrique, qui vise à apprendre automatiquement une métrique à partir de données. Nous avons proposé une méthode intégrant un apprentissage de métrique dans le système existant de (Lai et al., 2014) pour améliorer la performance et réduire le temps de calcul. Nos résultats expérimentaux, obtenus sur la base d’images Wang, montrent que les méthodes d’apprentissage de métrique s’intègrent bien dans le système existant, et améliorent ses performances et sa complexité calculatoire. |
