摘要：Cet article est consacré à la classification des données de grande dimension.
Supposant que de telles données vivent dans des sous-espaces de dimensions
intrinsèques inférieures à la dimension de l’espace original, nous proposons une reparamétrisation
du modèle de mélange gaussien. En for.ant certains paramètres à
être communs dans une même classe ou entre les classes, nous exhibons une famille de
modèles adaptés aux données de grande dimension, allant du modèle le plus général
au plus parcimonieux. Ces modèles gaussiens sont ensuite utilisés pour la classification
supervisée ou non-supervisée. La nature de notre re-paramétrisation permet aux
méthodes ainsi construites de ne pas être perturbées par le mauvais conditionnement
ou la singularité des matrices de covariance empiriques des classes et d’être efficaces
en terme de temps de calcul.
关键词：Classification supervisée et non supervisée, fléau de la dimension, modèle
de mélange gaussien, modèle parcimonieux.
