Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Contraintes Must-Link
Contraintes spécifiant que deux instances doivent obligatoirement appartenir au même cluster, utilisées pour imposer des regroupements spécifiques dans l'algorithme.
Contraintes Cannot-Link
Contraintes interdisant à deux instances de partager le même cluster, permettant de contrôler la séparation entre certains groupes de données spécifiés.
Semi-Supervised Clustering
Méthodologie combinant apprentissage non supervisé et supervisé en utilisant des informations partiellement étiquetées ou contraintes pour améliorer la qualité des clusters.
Constrained Spectral Clustering
Extension du clustering spectral intégrant des contraintes dans la matrice de similarité ou le processus d'optimisation pour guider la partitionnement spectral.
Contraintes de Région
Type de contraintes spatiales ou sémantiques définissant des zones où les clusters doivent se former ou restreignant leur localisation dans l'espace des données.
Contraintes de Taille de Cluster
Limitations imposées sur le nombre minimal ou maximal d'instances par cluster pour équilibrer la répartition des données entre les groupes formés.
Active Learning pour Clustering
Processus itératif où l'algorithme sélectionne intelligemment les paires d'instances sur lesquelles demander des contraintes à un expert pour optimiser l'apprentissage.
Clustering Hiérarchique Contraint
Algorithme de regroupement hiérarchique intégrant des contraintes à chaque niveau de l'arbre pour contrôler la structure de fusion ou division des clusters.
Contraintes de Connectivité
Restrictions garantissant que les clusters formés maintiennent certaines propriétés de connectivité ou de continuité dans l'espace des données d'origine.
Constrained DBSCAN
Adaptation de l'algorithme DBSCAN intégrant des contraintes must-link et cannot-link pour influencer la formation des clusters basés sur la densité.
Métrique Apprise avec Contraintes
Technique apprenant une fonction de distance personnalisée à partir des contraintes utilisateur pour mieux représenter la structure sémantique des données.
Contraintes de Balancement
Exigences garantissant une distribution équilibrée des instances entre les clusters, souvent utilisées dans les applications de clustering équitable.
PCK-Means
Algorithme de K-means avec contraintes de paires étendues, utilisant une approche probabiliste pour gérer les violations possibles de contraintes et améliorer la robustesse.
Clustering Basé sur les Règles
Méthode incorporant des règles logiques ou métier comme contraintes pour garantir que les clusters générés respectent des propriétés ou conditions spécifiques.
Contraintes de Distance Minimale
Spécifications imposant une distance minimale entre les centroïdes ou les clusters pour éviter la fusion indésirable de groupes distincts.
Soft Constrained Clustering
Approche permettant la violation pondérée de contraintes plutôt que leur respect strict, offrant plus de flexibilité dans le processus de clustering.