ETUDE D’ALGORITHMES DE DETERMINATION DE NOMBRE DE CLUSTERS A PRIORI : Application aux Données satellitaires

Abstract

Le clustering est une technique de classification non supervisée dont l’objectif est d’organiser un ensemble de données non labialisées en cluster , de telle manière que les données du même cluster aient une valeur de similarité alors qu’ a l’opposé, deux données de deux cluster différents aient une grand valeur de dissimilarité . En traitement d’images satellitaires les algorithme de classification non supervisée les plus populaires sont :algorithme K-means et algorithme ISODATA, cependant l’inconvénient de ces l’algorithmes est leur sensibilités aux condition initiales :d’une part, le choix du nombre de cluster C qui a une grande influence sur la qualité du résultat final ,et d’autre part, le choix aléatoire de centroïde qui conditionne la partition finale . Face à ce constat, dans ce travail on a étudié et implémenté des algorithmes visant à déterminer le nombre de cluster a priori en exploitant une matrice dite de dissimilarité. Ces algorithme sont connus sous le nom de visuel Assessment Tendency (VAT) et comprennent plusieurs variante : VAT, iVAT, etc. L’objectif de ce travail est d’utiliser et de tester quelques variantes de ces algorithmes à la fois sur des données synthétiques et des données réelles (image satellitaire) afin de sélectionner le plus performant d’entre eux.