@inproceedings{boucharebboulleetal2017co-clustering,
  author    = {Bouchareb, Aichetou and Boull{\'e}, Marc and Rossi, Fabrice},
  title     = {Co-clustering de donn{\'e}es mixtes {\`a} base des mod{\`e}les de m{\'e}lange},
  volume = {RNTI-E-33},
  year      = 2017,
  pages     = {141--152},
  Booktitle = {Actes de la 17{\`e}me Conf{\'e}rence Internationale Francophone sur l'Extraction et gestion des connaissances (EGC'2017)},
  editor={Gandon, Fabien and Bisson, Gilles},
  address = {Grenoble, France},
publisherlink={http://editions-rnti.fr/?inprocid=1002276},
        month=1,
	entrysubtype={inproceedings-national-conference},
	hal={hal-01469546},
	language={french},
	audience={international},
	abstract={La classification crois{\'e}e (co-clustering) est une technique non supervis{\'e}e qui permet d'extraire la structure sous-jacente existante entre les lignes et les colonnes d'une table de donn{\'e}es sous forme de blocs. 
Plusieurs approches ont {\'e}t{\'e} {\'e}tudi{\'e}es et ont d{\'e}montr{\'e} leur capacit{\'e} {\`a} extraire ce type de structure dans une table de donn{\'e}es continues, binaires ou de contingence. Cependant, peu de travaux ont trait{\'e} le  co-clustering des tables de donn{\'e}es mixtes. 
Dans cet article, nous {\'e}tendons l'utilisation du co-clustering par mod{\`e}les {\`a} blocs latents  au cas des donn{\'e}es mixtes (variables continues et variables binaires). Nous {\'e}valuons l'efficacit{\'e} de cette extension  sur des donn{\'e}es simul{\'e}es et nous discutons ses limites potentielles. },
}