Regroupement de données fonctionnelles multivariées à l'aide d'arbres binaires non supervisés.

Résumé Nous proposons un algorithme de clustering basé sur un modèle pour une classe générale de données fonctionnelles dont les composants peuvent être des courbes ou des images. Les réalisations aléatoires des données fonctionnelles pourraient être mesurées avec erreur en des points discrets, et éventuellement aléatoires, du domaine de définition. L'idée est de construire un ensemble d'arbres binaires par division récursive des observations. Le nombre de groupes est déterminé en fonction des données. Le nouvel algorithme fournit des résultats facilement interprétables et des prédictions rapides pour les ensembles de données en ligne. Les résultats obtenus sur des ensembles de données simulées révèlent de bonnes performances dans divers contextes complexes. La méthodologie est appliquée à l'analyse des trajectoires de véhicules sur un rond-point allemand.