Détermination du nombre de classes dans les méthodes de bipartitionnement

SFC fellowship to attend SFC'2010 conferenceSome clustering algorithms require the knowledge of the number of clusters in the popu-lation. The problem becomes more complex with biclustering algorithms where it is necessaryto determine the number of clusters on both dimensions: rows and columns. We propose toextend the application of some indices used for clustering validation to biclustering validation,mainly with Croki2 algorithm. We also propose a new validation index based on the total dif-ferential that we compare with conventional indices. We test the efficiency of these methodson data artificially generated around a number of clusters known on the rows and columns.Une des premières critiques que présentent certains algorithmes de partitionnement simple est la connaissance requise du nombre de classes dans la population. Le problème devient plus complexe dans le cas de bipartitionne-ment où il faut déterminer le nombre de classes sur les deux dimensions : les lignes et les colonnes. Nous proposons d'étendre l'application de certains indices de validation du nombre de classes proposés initialement dans le cadre de la classification simple, à la classification simultanée, en particulier à l'al-gorithme Croki2 de classification des tableaux de contingence. Nous proposons également un nouvel indice de validation basé sur la différentielle que nous com-parons avec les indices classiques. Nous testons l'efficacité de ces méthodes sur des données générées artificiellement autour d'un nombre de classes connus sur les lignes et les colonnes