Analyse et exploration des résultats de la classification automatique de données multidimensionnelles.

Abstract

Le développement rapide des outils informatiques permet au système informatique de stoker de très grandes quantités de données. On parle de grandes bases de données selon les deux axes : nombre d'enregistrements et nombre de dimensions "attribut, variable". L'analyse de ces données devient à la fois très importante mais difficile. Les techniques de visualisation de l'information contribueront à résoudre ce problème, l'exploration visuelle des données possède un fort potentiel d'application étant donnée qu'elle facilite l'analyse, l'interprétation, la validation et augmente par conséquent l'aspect cognitif chez les analystes. Dans ce contexte, le but de notre étude est la conception et la réalisation d'un système permettant d'améliorer le processus d'analyses de résultats du clustering des données multidimensionnelles via l'utilisation des technologies de visualisation d'informations. Nous nous sommes intéressés à combiner les résultats de l'algorithme de clustering non supervisé, "K-means", avec la technique de visualisation multidimensionnelle du "parallel coordinates" afin d'analyser de grands ensembles de données.