Données fonctionnelles multivariées issues d'objets connectés : une méthode pour classer les individus

SCHMUTZ ; JACQUES ; BOUVEYRON ; CHEZE ; MARTIN

Type de document
COMMUNICATION AVEC ACTES INTERNATIONAL (ACTI)
Langue
français
Auteur
SCHMUTZ ; JACQUES ; BOUVEYRON ; CHEZE ; MARTIN
Résumé / Abstract
L'émergence des objets connectés pour tous les aspects de la vie quotidienneentraine des besoins croissants de méthodes pour analyser des données fonctionnellesmultivariées. Ce travail propose une méthode de clustering (Schmutz et al, 2017) de façonà faciliter la modélisation et la compréhension de ces données fonctionnelles multivariées.Cette méthode est basée sur un modèle de mélange latent fonctionnel qui répartit lesindividus dans des sous-espaces fonctionnels spécifiques aux groupes à l'aide d'une analyseen composante principale multivariée fonctionnelle. Un algorithme de type EM est proposépour l'inférence du modèle et le choix des hyper paramètres se fait par le biais de lasélection de modèle. L'efficacité du modèle sera testée sur un exemple original de prédictionde vitesse, pour des exemples classiques se reporter à Schmutz et al (2017).

puce  Accès à la notice sur le portail documentaire de l'IFSTTAR

  Liste complète des notices publiques de l'IFSTTAR