Comparaison de méthodes de classification de données fonctionnelles

En classification de données fonctionnelles par des approches basées sur les distances, la partition obtenue est sensible au choix de ces dernières. Plusieurs mesures de distance ont été proposées dans la littérature. Nous étudions ici l'impact sur la partition de l'intégration de la dérivée première dans le calcul des distances en termes d'indice de qualité interne (Silhouette) et externe (Indice de Rand ajusté). Pour cela, nous menons tout d'abord une étude comparative de plusieurs de ces approches à travers différents scénarios de simulation de données fonctionnelles où les groupes diffèrent par la forme des courbes. Par la suite, cette étude est complétée par une évaluation sur la base de différents jeux de données réelles. Les résultats montrent que l'intégration de la dérivée peut avoir un effet important sur la qualité de la partition en fonction de la nature des différences entre groupes.