Méthodes non supervisées pour l'analyse de données multivariées

Dans la science moderne, le développement et l'accroissement du nombre et de la variété des capteurs permettent l'observation de plus en plus complexe de la vie. Pour les chercheurs, ceci se traduit par un immense potentiel d'acquérir des données qui peuvent servir à la compréhension des phénomènes étudiés. Ce fait conduit à l'apparition des données multivariées et naturellement à la nécessité d'outils pour les analyser. Une approche souvent employée dans ce processus est l'analyse exploratoire de données ou ce qu'on appelle "clustering". Ceci implique la découverte des structures cohérentes dans des ensembles des données complexes en regroupant des données ayant des caractéristiques similaires dans des classes. Cette livre aborde ce sujet en s'appuyant sur deux questions nécessitant encore des réponses: le choix de la mesure de similarité et la réduction de la dimension des données multivariées. Les applications sur des images multispectrales et également sur des séries temporelles des images médicales servent à la compréhension des aspects théoriques présentés dans la première partie du livre.