Possibilistic Hierarchical Clustering

Les techniques de clustering jouent un rôle très important dans le regroupement des objets en un certain nombre de clusters (groupes) homogènes. L'un des types de clustering les plus connus est le clustering hiérarchique qui forme des clusters avec une façon hiérarchique. Grâce à sa simplicité et son efficacité, il fournit dans la plupart du temps de bons résultats avec des données certaines. Néanmoins, les versions standard de ce type d'algorithme de clustering ne sont pas en mesure de traiter des données imparfaites. Afin de surmonter cette limite, nous proposons une nouvelle approche basée sur le clustering hiérarchique dans un cadre possibiliste. Cette méthode permet aux objets d'appartenir à un ou plusieurs clusters avec des degrés de possibilité. Des expériences sur des bases de données réelles sont menées montrant l'efficacité de notre méthode proposée par rapport à d'autres méthodes de clustering hiérarchique.