 |
Article dans une revue
On the geodesic distance in shapes K-means clustering
Abstract : Using Information Geometry tools, we represent landmarks of a complex shape as probability densities in a statistical manifold. Then, in the setting of shapes clustering through a K-means algorithm, we evaluate the discriminative power of two different shapes distances. The first, derived from Fisher-Rao metric, is related with the minimization of information in the Fisher sense and the other is derived from the Wasserstein distance which measures the minimal transportation cost.
Littérature citée [1 références]
https://hal-enac.archives-ouvertes.fr/hal-01852144
Contributeur : Laurence Porte Connectez-vous pour contacter le contributeur
Soumis le : jeudi 4 octobre 2018 - 11:11:28
Dernière modification le : mercredi 3 novembre 2021 - 05:17:26
Archivage à long terme le : : samedi 5 janvier 2019 - 14:34:15
Contributeur : Laurence Porte Connectez-vous pour contacter le contributeur
Soumis le : jeudi 4 octobre 2018 - 11:11:28
Dernière modification le : mercredi 3 novembre 2021 - 05:17:26
Archivage à long terme le : : samedi 5 janvier 2019 - 14:34:15
Fichier
entropy_20_00647_manuscript_v2...
Fichiers éditeurs autorisés sur une archive ouverte