RNTI

MODULAD
Comparaisons structurelles de grandes bases de données par apprentissage non-supervisé
In EGC 2010, vol. RNTI-E-19, pp.115-120
Abstract
Dans le domaine de la fouille de données, mesurer les similitudes entre différents sous-ensembles est une question importante qui a été peu étudiée jusqu'à présent. Dans cet article, nous proposons une nouvelle méthode basée sur l'apprentissage non-supervisé. Les différents sous-ensembles à comparer sont caractérisés au moyen d'un modèle à base de prototypes. Ensuite, les différences entre les modèles sont détectées en utilisant une mesure de similarité