Discussion :

[yabbiyou]

Bonjour a tous,

Je travail sur des calculs de similitudes entres images. Lors de mon projet j'ai devellope un parametre permettant de differenciers une proprietes precise (texture strength).
Le probleme, c est que j ai teste plusieurs objets (>1000), et le resultat de mon algo associe a chaque couple d'objet Xi Xj un parametre de diffferenciation. En gros si les images sont identiques le parametre sera egale a 1, si tres different similitude=0.
exemples des donnees:
...
569 320 0.234
879 125 0.123
874 241 0.962
...
Ce que je souhaiterais faire (je ne suis pas sur que ce soit vraiment possible) ca serait de pouvoir definir parmis mes images de depart des grandes familles (avec un critere de differenciation a definir).
En gros si A ressmble a B et que B ressemble a C alors A ressemble a C. Et si on extrapole pour l ensemble des donnees ca permettrais de definir des familles...
Voila je sais pas si j ai etait clair, mais si vous avez des idees ou des conseils, n hesitez pas!
Merci d avance pierre

[ToTo13]

Bonjour,

si tu souhaites faire des groupes ressemblant, il faut que tu te renseigne sur tout ce qui est classification (clustering en anglais) : k-moyennes, classification ascendante hiérarchique.

[yabbiyou]

j avais deja pense a ce genre de possiblites (k-mean, neural network...), mais je sais pas trop comment l applique.
En fait j ai pas mal repense a ce probleme, et je pense qu on peut l enoncer de maniere plus mathematique (enfin pseudo mathematique ):
Soit un ensemble de N points dans une dimension inconue (<N),
On a (N-1)^2, relations entre nos points correspondant a la distance de chacun des points avec tout les autres: Xi-Xj=d
Est ce que c est possible de trouver un plan (2D) minimisant les ecarts avec tout les points et calculer la projection des points sur ce meme plan?
je sais pas si ca aide...

[ToTo13]

Bonjour,

un plan en dimension N va séparer les données en deux groupes, pas N :-(

D'un autre coté, si tu ne connais pas les dimensions de ton espace, je ne vois pas comment tu peux connaître tes points et donc les séparer.
Si tu voulais dire que tu veux que l'algorithme puisse s'appliquer à des problèmes de dimension N, les k-means et la CAH le font sans problème.

[Zavonen]

un plan en dimension N va séparer les données en deux groupes

Un hyperplan.

[SpiceGuid]

En gros si A ressemble a B et que B ressemble a C alors A ressemble a C. Et si on extrapole pour l ensemble des donnees ca permettrais de definir des familles...

Dit comme ça on dirait un problème de union-find.
Tu trouveras des structures de données efficaces pour ce problème dans tout bon cours sur les structures arborescentes.

http://lapoire.developpez.com/algori...arborescentes/ (Chapitre IX)

Remarque: quand dans l'intitulé d'un sujet il y a les mots grouper, regrouper ou familles alors il y a des chances que ce soit un problème de union-find.