L'analyse factorielle discriminante est etendue aux donnees multi-voie, c'est-a-dire aux donnees pour lesquelles plusieurs modalites ont ete observees pour chaque variable. Les donnees multi-voie sont ainsi structurees en tenseur. L'extension proposee repose sur une modelisation des axes discriminants. Cette modelisation prend en compte la structure tensorielle des donnees. Les gains attendus par rapport aux methodes consistant a construire un classifieur a partir de la matrice obtenue par depliement du tenseur, sont une meilleure interpretabilite et un meilleur comportement vis-a-vis du surapprentissage, phenomene d'autant plus present dans le contexte multi-voie que le nombre de modalites est grand. Un algorithme de directions alternees permet d'obtenir les axes discriminants. Les performances obtenues sur donnees simulees permettent de confirmer ces gains.
[1]
Richard A. Harshman,et al.
Foundations of the PARAFAC procedure: Models and conditions for an "explanatory" multi-model factor analysis
,
1970
.
[2]
B. Scholkopf,et al.
Fisher discriminant analysis with kernels
,
1999,
Neural Networks for Signal Processing IX: Proceedings of the 1999 IEEE Signal Processing Society Workshop (Cat. No.98TH8468).
[3]
Robert Tibshirani,et al.
The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2nd Edition
,
2001,
Springer Series in Statistics.
[4]
J. Franklin,et al.
The elements of statistical learning: data mining, inference and prediction
,
2005
.
[5]
R. Bro.
Multiway calibration. Multilinear PLS
,
1996
.
[6]
Trevor Hastie,et al.
The Elements of Statistical Learning
,
2001
.