Méthodes factorielles pour l'analyse des données
méthodes linéaires et extensions non-linéaires

Auteurs :

Langue : Français
Date de parution :
Ouvrage 288 p. · 16x24 cm · Broché
ISBN : 9782746209213 EAN : 9782746209213
Hermes Science

Résumé de Méthodes factorielles pour l'analyse des données

Ce livre présente les principales méthodes d'analyse factorielle linéaire (analyse en composantes principales, analyse des correspondances binaires, analyse des correspondances multiples, analyse discriminante). Les méthodes d'analyse non linéaire des données, à base de noyaux (kernel principal component analysis, kernel discriminant analysis) ou à base de réseaux de neurones, sont également abordées. Des exemples d'application et des exercices avec leurs solutions ou des indications pour la solution sont associés à chaque méthode et permettent au lecteur de consolider ses connaissances.

Sommaire de Méthodes factorielles pour l'analyse des données

Introduction. Analyse en composantes principales. Analyse factorielle des correspondances.Analyse des correspondances multiples. Analyse factorielle discriminante.

Biographie de Méthodes factorielles pour l'analyse des données

  • Michel Crucianu est maître de conférences en informatique à l’École Polytechnique de l'Université François Rabelais de Tours. Ses recherches portent sur les méthodes statistiques d'apprentissage et sur la recherche d’images par le contenu.
  • Jean-Pierre Asselin de Beauville est professeur d'informatique à l'Université François Rabelais, où il a dirigé le Laboratoire d’Informatique. Depuis 1998, il est détaché comme vice-recteur aux programmes à l’Agence Universitaire de la Francophonie. Ses recherches portent sur les méthodes statistiques d’apprentissage et de décision.
  • Romuald Boné est maître de conférences en informatique à l'école d'ingénieurs du Val de Loire de l'Université François Rabelais. Ses recherches portent sur les réseaux de neurones artificiels pour la prévision et sur les méthodes d'apprentissage pour la reconnaissance des formes.