Apport de la classification floue c-means spatiale en géographie : essai de taxinomie socio-résidentielle et environnementale à Lyon

Apparicio, Philippe ORCID: https://orcid.org/0000-0001-6466-9342 et Gelb, Jérémy ORCID: https://orcid.org/0000-0002-7114-2714 (2021). Apport de la classification floue c-means spatiale en géographie : essai de taxinomie socio-résidentielle et environnementale à Lyon Cybergeo : revue européenne de géographie / European journal of geography . DOI: 10.4000/cybergeo.36414.

Prévisualisation

PDF Télécharger (1MB) | Prévisualisation

Résumé

Les méthodes de classification non supervisées sont largement utilisées en géographie, même si les plus fréquemment mobilisées – classification ascendante hiérarchique (CAH) et k-means (k‑moyennes) – sont peu adaptées à des données spatialisées. Or, des développements récents en statistique spatiale ont donné lieu à de nouveaux algorithmes intégrant l’espace dans le processus de classification. Par exemple, la méthode ClustGeo est une extension spatiale de la CAH. Parallèlement, peu d’attention a été portée aux méthodes de classification spatiales en logique floue en géographie. L’objectif de cet article est donc de présenter la méthode SFCM, soit une classification floue c-means spatiale. Pour ce faire, nous l’appliquons à des données socio-environnementales de l’agglomération lyonnaise. Aussi, nous la comparons à sa contrepartie non spatiale (FCM), à la CAH et à la méthode ClustGeo. Les résultats soulignent que la méthode SFCM bénéficie à la fois des avantages de l’approche floue et de l’approche spatiale, facilitant l’interprétation des résultats.

Type de document:	Article
Mots-clés libres:	géographie; classification ascendante hiérarchique; CAH; k-means; k-moyenne; données spatialisées
Centre:	Centre Urbanisation Culture Société
Date de dépôt:	22 nov. 2021 14:34
Dernière modification:	26 janv. 2022 15:20
URI:	https://espace.inrs.ca/id/eprint/12084

Gestion Actions (Identification requise)

Modifier la notice