Repr sentations Compactes de Vari t s Non Lin aires

Avec l'augmentation de la taille des donn es, la recherche d'information devient de plus en plus complexe. Ces donn es sont de plus en plus pr cises, vivant dans des espaces multidimensionnels (allant d'une dizaine de dimension
plusieurs millions et au-del ). De fait, ces espaces sont creux et rendent l'analyse ou la classification difficiles. Il est alors n cessaire de r duire les donn es dans un espace compact repr sentatif de la vari t dont ils sont issus. Les nouvelles techniques de r duction de dimension se basent sur l'analyse des faiblesses des repr sentations lin aires telles que l'analyse en composantes principales et permettant de repr senter efficacement des donn es complexes. La fonction de passage entre ces deux espaces permet d'am liorer la classification dans l'espace r duit ainsi que l'analyse statistique dans l'espace d'origine des donn es.