"Algorithmes EM" . "Analyse amas" . . . "Champ al\u00E9atoire" . . "Mod\u00E8les statistiques" . "Clustering analysis of spatial data, probabilistic models and classification criteria" . . "Traitement d'images" . . "Traitement du signal" . . . "La probl\u00E9matique de la classification de donn\u00E9es spatiales se pose par exemple lorsqu'on segmente une image en r\u00E9gions homog\u00E8nes ou lorsqu'on cartographie des donn\u00E9es multidimensionnelles localis\u00E9es telles que des relev\u00E9s physico-chimiques du sol. Dans ce travail, les m\u00E9thodes propos\u00E9es s'appuient sur des distributions de probabilit\u00E9 afin de mod\u00E9liser les m\u00E9canismes engendrant la partition non observ\u00E9e et les observations. S'il s'agit d'effectuer les regroupements en se basant uniquement sur les valeurs observ\u00E9es, on rappelle que les mod\u00E8les de m\u00E9lange, la vraisemblance classifiante et l'algorithme EM procurent des solutions flexibles et relativement simples \u00E0 mettre en \u0153uvre. Afin d'int\u00E9grer en outre une hypoth\u00E8se d'homog\u00E9n\u00E9it\u00E9 spatiale de la partition, on se propose de conduire des raisonnements similaires dans le cadre des mod\u00E8les utilisant un champ de Markov cach\u00E9. D'une part, on d\u00E9montre qu'en appliquant l'algorithme EM au cas des champs de potts cach\u00E9s avec une approximation de champ moyen, on effectue les m\u00EAmes calculs que l'optimisation altern\u00E9e d'une vraisemblance classifiante floue. Ce constat permet d'am\u00E9liorer sur certains points une m\u00E9thode de classification spatiale floue it\u00E9rative r\u00E9cemment propos\u00E9e. Sur des donn\u00E9es simul\u00E9es et r\u00E9elles, la m\u00E9thode obtenue fournit des r\u00E9sultats comparables aux techniques utilisant des simulations de Monte-Carlo pour un cout algorithmique moindre. D'autre part, on adapte l'approche pr\u00E9c\u00E9dente \u00E0 des types particuliers de donn\u00E9es spatiales. Pour un probl\u00E8me d'\u00E9cologie num\u00E9rique, on construit ainsi une m\u00E9thode visant \u00E0 classifier des indicateurs de pr\u00E9sence/absence localis\u00E9s. On propose selon une d\u00E9marche analogue un algorithme de classification peu sensible aux valeurs atypiques. Enfin, pour traiter des donn\u00E9es spatiales incompl\u00E8tes, on propose d'optimiser une vraisemblance classifiante dont le mod\u00E8le statistique sous-jacent int\u00E8gre la notion de valeurs manquantes." . . "Markov, Processus de" . . "Logique floue" . "Traitement d'images -- Techniques num\u00E9riques" . . . . "Mod\u00E8les math\u00E9matiques" . . "Th\u00E8ses et \u00E9crits acad\u00E9miques" . . . "Mesures de probabilit\u00E9s" . "Text" . "Classification de donnees spatiales : modeles probabilistes et criteres de partitionnement" . "1998" . "Classification de donnees spatiales : modeles probabilistes et criteres de partitionnement" . . "Observations manquantes (statistique)" . "Classification automatique" . . "R\u00E9seau nerveux" . . . . .