Bonjour,
Durant mon stage, travail actuellement sur la classification d'individus mobile au sein d'une ville (à partir de données mobiles sur SGBD). En gros, j'aimerais retrouver et identifier les individus dont les déplacements sont ressemblants. Pour cela j'ai travaillé dans un premier temps sur la classification de chemins denses (à partir de la méthode NETSCAN). J'ai donc obtenu des clusters (groupe) de chemin. J'aimerais maintenant associer ses chemins aux individus, et établir des similarités entre individus par la proportion de chemins denses en commun. Mon but est d'établir des similitudes générales entre individus, c'est à dire regrouper ces similitudes sur un plan global (non pas établir une similitude d'un individu envers les autres). J'ai tout d'abord pensé au positionnement multidimensionnel permettant de projeter les données sur un plan (nuage de points) 2D. Étant données que le nombre d'individu est de 200 000, la matrice n*n est impossible à mettre en place, et je me penche actuellement sur des méthodes non linéaires comme Sammon. Est-il possible de mettre en place cette projection sur un plan 2D grâce à des notions de distances non euclidiennes mais par le nombre de clusters en commun entre 2 individus?
Merci d'avance, si vous avez des idées, ou des endroits mieux adaptés pour poser ce genre de questions délicates.
Cordialement,
Alexis
Partager