ones de 
agrégation 
entre points 
point à une 
Les coefficients varient donc en fonction inverse de la variance des 
caractères. De plus, les lieux géométriques d'égale distance à une classe 
sont des ellipsoîdes centrés aux points moyens et dont les axes sont paral- 
18les aux axes des caractères (fig. T). 
III.h "Formation progressive des classes" 
Chaque classe est définie par son centre (moyenne des densités opti- 
ques dans chaque canal). L'opérateur fixe un seuil. L'algorithme calcule la 
distance du point à classer à toutes les classes, et l'attribue à la classe 
la plus proche. Si toutefois la distance du point à toutes les classes est 
supérieure au seuil fixé, le point constitue le noyau d'une nouvelle classe. 
Chaque fois qu'un point est attribué à une classe, le centre de cette classe 
est recalculé. Le processus s'initialise automatiquement, en identifiant la 
première classe au premier point. 
IV. Principes de l'échantillonnage et de la 
discrimination descriptive 
Le repérage sur l'image des éléments d'image constituant les échan- 
tillons s'effectue sur une visualisation en équidensité sur papier d' impri- 
mante de la zone d'étude. L'opérateur choisit le nombre de classes en fonc- 
tion des objets à discriminer. 
IV.1 Discrimination descriptive - méthode hyperboîte 
Pour chaque paire de canaux, l'opérateur dresse un diagramme portant 
les étendues des classes (fig. 9) en densité optique. La comparaison de ces 
diagrammes permet le choix des canaux et des limites de classe. Une première 
classification décisionnelle est alors appliquée à la zone test, permettant 
de corriger les limites, en étudiant de nouveaux échantillons et reportant 
leurs caractéristiques sur les diagrammes précédents. Ce principe est appli- 
qué par itération jusqu'à satisfaction de l' opérateur. Cela est possible en 
raison du faible coüt de l'algorithme. 
IV.2 Echantillonnage - méthodes barycentrique et de Sebestyen 
Les caractéristiques des classes étant calculées sur la base des échan- 
tillons, il est appliqué à ces mêmes échantillons, considérés comme anonymes, 
une discrimination décisionnelle. Cela est tout d'abord effectué avec chaque 
canal pris séparément, puis, celui donnant le meilleur résultat retenu, avec 
chaque paire de canaux, puis chaque tierce, etc. L'opérateur retient la combi- 
naison donnant la meilleure performance, cette dernière n'augmentant pas uni- 
formément avec le nombre de canaux utilisés (fig. 8). 
La performance d'une classification est représentée par le pourcentage 
de points bien classés, ces derniers étant les points attribués aux classes 
auxquelles ils doivent réellement appartenir.