Un panorama des approximations en norme du supremum pour la classification

Dans un cadre général où les concepts de sous-dominante/sur-dominée jouent un rôle fondamental, nous dressons un vaste panorama d’approximations en norme du supremum pour nombre de structures de la classification : ultramétriques (partielles ou non),k-ultramétriques, régressions convexes et isotones. Pour les semi-distances/dissimilarités d’arbre et les dissimilarités de Robinson, nous montrons comment l’approche générale peut conduire à des algorithmes avec un facteur constant.In a general framework where the concepts of subdominant/updominated play a crucial role, we give a vast overview of approximations with the supremum norm for many structures of classi-fication: (partial or nonpartial) ultrametrics,k-ultrametrics, convex and isotonic regressions. For tree semi-distances/dissimilarities and Robinsonian dissimilarities, we show how the general approach leads us to algorithms with a constant factor