Version imprimable
Bonjour:
Malgré que j'ai lu quelques documents sur le SVM (support vector machine) et le FCM (fuzzy c-means) mais je trouve une confusion à comprendre la différences entre les deux :calim2:
Ce que J'ai compris,est que ces sont des algorithmes de classification???
Si c'est correcte, y-a-il quelqu'un qui peut m'expliquer le cas d'utilisation de chaque algorithme?
Merci d'avance.
SVM est un algorithme de classification supervisé. Le but est d'apprendre à distinguer la classe de points de données à partir d'une base d'échantillons où cette classe et connue. SVM cherche l'hyperplan qui maximise cette séparation.
Fuzzy C-means ou (le plus traditionel K-means) est un algorithme de clustering non superviser. Son but est plutôt de trouver les clusters (aggrégats, groupes) dans les données. Cela est fait en cherchant à minimiser la distorsion engendrée par le replacement des points de données par les vecteurs codes. Dans le cas de K-means (hard clustering) le points de donnée est affecté au vecteur-code le plus proche, dans Fuzzy C-means il est affecté à chaque vecteur code avec un poids dépendant de sa distance au vecteur code.
Fuzzy C-means n'est pas en général un algorithme de classification.
Merci Alexis pour votre explication mais je n'ai pas compris ce que vous voulez dire par:
Une autre chose est ce qu'on peut utiliser l'algorithme FCM pour la segmentation????Citation:
Cela est fait en cherchant à minimiser la distorsion engendrée par le replacement des points de données par les vecteurs codes
Merci
Pour utiliser Fuzzy C-means pour la segmentation, il d'appliquer l'algorithme
de sorte à "clusteriser" les pixels (soit en utilisant simplement l'information
couleur, ou un descripteur capable de capturer l'information de texture).
Ensuite les régions sont déterminées comme l'ensemble des pixels associés à un vecteur code (le plus proche).
Merci Alexis pour votre aide.
Vraiment vous m'avez beaucoup aidé.:ccool::ccool::ccool: