Résumé: Face à une quantité de données chaque jour plus important, la détection de structures et de liens particuliers, l'organisation et la recherche de connaissances exploitables dans cette masse d'information deviennent un enjeu stratégique pour la prise de décision et la prédiction. Ce problème complexe, désigne par fouille de données, possède de multiples aspects. Nous nous sommes intéresses a l'un d'entre eux : l'apprentissage supervise. Nous proposons une méthode d'apprentissage à partir d'exemples qui se situe à la jonction des méthodes statistiques et de celles basées sur des techniques d'intelligence artificielle. Notre modélisation se base sur la génération automatique de règles de classification et sur une utilisation originale du raisonnement approximatif. La fonction de classement, directement donnée sous la forme d'une base de règles de production, assure la transparence et l'interprétabilité du classifier. La méthode d'apprentissage proposée est multi-attributs, elle permet de prendre en compte l'éventuel pouvoir prédictif d'une conjonction d'attributs pris simultanément. Le partitionnement de l'espace des entrées permet d'avoir une représentation multi-valente des attributs et d'intégrer la notion d'imprécision des données. L’incertitude des règles, également prise en compte, est gérée aussi bien dans la phase d'apprentissage que dans celle de la reconnaissance. Afin d'introduire plus de souplesse et pour pallier aux problèmes des frontières dus a la discrétisation, nous proposons la mise en œuvre d'un raisonnement approximatif. L’originalité de notre approche réside dans l'utilisation du raisonnement approximatif propose, non plus uniquement comme un mode d'inférence et de gestion de connaissances imprécises, mais pour affiner l'apprentissage et valider la base de règles. La méthode proposée à été implémentée dans un système baptise sucrage et confrontée a une application réelle dans le domaine du traitement d'images. Les résultats obtenus sont très satisfaisants. Ils permettent de valider notre approche et nous autorisent à envisager d'autres domaines d'application.

Paris:
Langue: Français
Collation: 269 p. ill. ;30 cm.
Diplôme: Doctorat
Etablissement de soutenance: Paris, Université Pierre et Marie Curie
Spécialité: Informatique
Index décimal 004.21 .Analyse et conception des systèmes informatiques (analyse des besoins d'un utilisateur préliminaire à l'élaboration d'un système informatique répondant à ses besoins, conduite de projets)
Thème Informatique

Mots clés:
Traitement d'images :Informatique
Classification supervisée
Traitements de données
Intelligence artificielle

Note: Annexe pp. 227-250; Bibliogr. pp.251-269