Accéder directement au contenu Accéder directement à la navigation
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.
Liste complète des métadonnées

Littérature citée [1 références]  Voir  Masquer  Télécharger

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

Fichier

entropy_20_00647_manuscript_v2...
Fichiers éditeurs autorisés sur une archive ouverte

Identifiants

Collections

Citation

Stefano Antonio Gattone, Angela de Sanctis, Stéphane Puechmorel, Florence Nicol. On the geodesic distance in shapes K-means clustering. Entropy, MDPI, 2018, Special Issue Selected Papers from 4th International Electronic Conference on Entropy and Its Applications, 20 (9), pp 647. ⟨10.3390/e20090647⟩. ⟨hal-01852144v2⟩

Partager

Métriques

Consultations de la notice

142

Téléchargements de fichiers

330