Recherche de groupes parallèles en classification non-supervisée

Dans cet article, nous nous interessons a une situation de classification non supervisee dans laquelle nous souhaitons imposer une "forme" commune a tous les clusters. Dans cette approche, la "forme" commune sera caracterisee par un hyperplan qui sera le meme pour tous les groupes, a une translation pres. Les points sont donc supposes etre distribues autour d'hyperplans paralleles. La fonction objectif utilisee peut naturellement s'exprimer comme la minimisation de la somme des distances de chaque point a son hyperplan. Comme pour le cas de k-means, la resolution est effectuee par l'alternance de phases d'affectation de chaque point a l'hyperplan le plus proche et de phases de calcul de l'hyper-plan qui ajuste au mieux l'ensemble des points qui lui sont affectes. L'objectif etant d'obtenir des hyperplans paralleles, cette phase de calcul est menee simultanement pour tous les hyperplans, par une methode de regression.