Réinitialiser mot de passe
E-mail
Password
RNTI

MODULAD
Génération de contraintes pour le clustering à partir d'une ontologie - Application à la classification d'images satellites
In EGC 2016, vol. RNTI-E-30, pp.81-92
Résumé
L'utilisation des connaissances a priori peut fortement améliorer la
classification non-supervisée. L'injection de ces connaissances sous forme de
contraintes sur les données figure parmi les techniques les plus efficaces de la
littérature. Cependant, la génération des contraintes est très coûteuse et demande
l'intervention de l'expert ; la sémantique apportée par l'étiquetage de l'expert
est aussi perdue dans ce type de techniques, seuls les contraintes sont retenues
par le clustering. Dans cet article, nous proposons une nouvelle approche hybride
exploitant le raisonnement à base d'ontologie pour générer automatiquement
des contraintes permettant de guider et améliorer le clustering. L'utilisation
d'une ontologie comme connaissance a priori a plusieurs avantages. Elle permet
l'interprétation automatisée des connaissances, ajoute de la modularité dans la
chaîne de traitement et améliore la qualité du clustering en prenant en compte
la vision de l'utilisateur. Pour évaluer notre approche, nous l'avons appliquée à
la classification d'images satellites et les résultats obtenus démontrent des améliorations
notables à la fois au niveau de la qualité du clustering et au niveau de
l'étiquetage sémantique des clusters sans intervention de l'expert.