Thèse doctorat : Discipline Informatique : Rennes, INSA : 2008. / Titre provenant de la page du titre du document électronique. Bibliogr.p.175-185 (155 réf.). Index.

Nous pr´esentons dans ce m´emoire une m´ethode d'annotation de tableaux guid´ee par les connaissances d'un domaine d'application formalis´ees dans une on- tologie. Apr`es avoir pr´esent´e le contexte applicatif et une ´etude bibliographique sur l'annotation s´emantique et l'extraction d'information, nous pr´esentons les diff´erentes ´etapes de notre syst`eme : annotation des cellules, des colonnes puis des relations repr´esent´ees par le tableau. Nous traitons diff´eremment les donn´ees selon qu'elles sont num´eriques ou symboliques. Nous commen¸cons par d´eterminer si une colonne d'un tableau contient des donn´ees num´eriques ou symboliques. Les donn´ees symboliques sont annot´ees avec les termes de l'ontologie, en utilisant une comparaison mot `a mot des termes employ´es dans le tableau avec ceux d´efinis dans l'ontologie. Les donn´ees num´eriques sont extraites, ainsi que les unit´es de mesure employ´ees, et compar´ees avec les unit´es et intervalles de valeurs possibles d´efinis dans l'ontologie pour les types de donn´ees num´eriques. Le type de donn´ees repr´esent´e par chaque colonne du tableau est alors d´etermin´e, en utilisant `a la fois le contenu de la colonne (deux m´ethodes diff´erentes sont employ´ees suivant que la colonne contient des donn´ees num´eriques ou symboliques) et le titre de la colonne. Une fois le type des colonnes reconnu, les relations s´emantiques repr´esent´ees par le tableau sont identifi´ees en utilisant `a la fois le titre du tableau et la signature du tableau, qui est compar´ee avec la signature des relations s´emantiques d´efinies dans l'ontologie. Les relations reconnues sont ensuite instanci´ees pour chaque ligne du tableau. Les annotations que nous manipulons sont floues, c'est-`a-dire qu'au lieu de faire un lien direct entre un ´el´ement du tableau et un ´el´ement de l'ontologie, nous proposons plusieurs valeurs possibles pour l'annotation, en as- sociant `a chaque valeur un degr´e repr´esentant la confiance que l'on accorde `a cette valeur. Les diff´erentes ´etapes de notre m´ethode d'annotation de tableaux ont ´et´e ´evalu´ees exp´erimentalement, en prenant comme domaine d'application la microbiologie alimentaire.

Thèse (Ph. D.)--Université Laval, 2007. / Titre de l'écran-titre (visionné le 5 mai 2008). Bibliogr.

Lorsque plusieurs classifieurs sont amenés à concourir à une même tâche de reconnaissance, plusieurs stratégies de décisions, impliquant ces classifieurs de différents manières, sont possibles. Une première stratégie consiste à décider suite à différents avis : il s'agit de la combinaison de classifieurs. Une deuxième stratégie consiste à utiliser un ou plusieurs avis pour mieux guider d'autres classifieurs dans leurs phases d'apprentissages, et à utiliser un ou plusieurs avis pour améliorer la prise de décisions d'autres classifieurs dans la phase de classement : il s'agit de la coopération de classifieurs. Enfin, la troisième et dernière stratégie consiste à privilégier un ou plusieurs classifieurs en fonction de divers critères ou en fonction de la situation : il s'agit de la sélection de classifieurs. L'aspect temporel de la RdF, c'est-à-dire l'évolution possible des classes à reconnaître, est traité par la stratégie de la sélection. En étudiant les aspects statiques et dynamiques de la RdF, nous montrons que pour reconnaître des classes dynamiques, deux approches sont possibles. Ces deux approches sont validées sur un ensemble de test. Dans le cas où les trajectoires des classes ne s'intersectent pas et que ces classes sont multimodales, l'approche proposée consiste à transformer ces classes dynamiques en classes statiques. En intégrant l'évolution de ces classes dans le temps, les classes obtenues deviennent alors complexes. Pour traiter ce type de classes, un algorithme de coopération des classifieurs est proposé. Il met en {\oe}uvre, d'une part, une méthode de classification non-supervisée effectuant une sélection adaptative de classifieurs et, d'autre part, plusieurs méthodes de RdF supervisées. Lorsqu'il n'y a pas d'intersection et que les classes évoluent de manière continue dans le temps, l'approche proposée consiste à rendre dynamique le système de RdF. Une méthode, fondée sur la modélisation des changements d'états du système par un réseau de Petri flou, est proposée. La méthode permet de prédire le ou les états du système les mieux adaptés au problème de RdF, à l'instant considéré.

Reproduction de : Thèse doctorat : Génie informatique, automatique et traitement du signal : Reims : 2006. / Titre provenant de l'écran titre. Bibliogr. f. 173-181.

Thèses (M.Sc.A.)--Université de Sherbrooke (Canada), 1998. / Titre de l'écran-titre (visionné le 20 juin 2006). Publié aussi en version papier.

Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal.

Reproduction de : Thèse de doctorat : Informatique : Reims : 2005. / Titre provenant de l'écran titre. Bibliogr. f. 143-156.

L'Extraction de connaissances dans les bases de données est un processus qui vise à extraire un ensemble réduit de connaissances à fortes valeurs ajoutées à partir d'un grand volume de données. La fouille de données, l'une des étapes de ce processus, regroupe un certain nombre de taches, telles que : le clustering, la classification, l'extraction de règles d'associations, etc.La problématique d'extraction de règles d'association nécessite l'étape d'extraction de motifs fréquents. Nous distinguons plusieurs catégories de motifs : les motifs classiques, les motifs flous, les motifs graduels, les motifs séquentiels. Ces motifs diffèrent selon le type de données à partir desquelles l'extraction est faite et selon le type de corrélation qu'ils présentent.Les travaux de cette thèse s'inscrivent dans le contexte d'extraction de motifs graduels, flous et clos. En effet, nous définissons de nouveaux systèmes de clôture de la connexion de Galois relatifs, respectivement, aux motifs flous et graduels. Ainsi, nous proposons des algorithmes d'extraction d'un ensemble réduit pour les motifs graduels et les motifs flous.Nous proposons également deux approches d'extraction de motifs graduels flous, ceci en passant par la génération automatique des fonctions d'appartenance des attributs.En se basant sur les motifs flous clos et graduels clos, nous définissons des bases génériques de toutes les règles d'association graduelles et floues. Nous proposons également un système d'inférence complet et valide de toutes les règles à partir de ces bases. / Knowledge discovery in databases is a process aiming at extracting a reduced set of valuable knowledge from a huge amount of data. Data mining, one step of this process, includes a number of tasks, such as clustering, classification, of association rules mining, etc.The problem of mining association rules requires the step of frequent patterns extraction. We distinguish several categories of frequent patterns: classical patterns, fuzzy patterns, gradual patterns, sequential patterns, etc. All these patterns differ on the type of the data from which the extraction is done and the type of the relationship that represent.In this thesis, we particularly contribute with the proposal of fuzzy and gradual patterns extraction method.Indeed, we define new systems of closure of the Galois connection for, respectively, fuzzy and gradual patterns. Thus, we propose algorithms for extracting a reduced set of fuzzy and gradual patterns.We also propose two approaches for automatically defining fuzzy modalities that allow obtaining relevant fuzzy gradual patterns.Based on fuzzy closed and gradual closed patterns, we define generic bases of fuzzy and gradual association rules. We thus propose a complet and valid inference system to derive all redundant fuzzy and gradual association rules.

Dans ce travail nous nous intéressons aux problèmes liés à la combinaison d'informations en provenance de sources multiples. Nous proposons de représenter les informations en provenance de la théorie des ensembles flous (FST) et de la théorie de l'évidence (DST) dans le cadre unificateur des ensembles aléatoires (RST). Le processus de combinaison fait face à deux problématiques majeures : (1) une explosion du temps de calcul dû au grand nombre d'éléments focaux, et (2) la combinaison d'informations en conflit total. Nous proposons dans un premier temps de réduire le temps de calcul du processus de combinaison, en appliquant une approximation directe aux informations de la FST qui s'avère très efficace lorsque la cardinalité du cadre de discernement est élevée. Dans un deuxième temps nous proposons une formulation générale pour les règles de combinaison de la RST, ainsi qu'une nouvelle classe de règles adaptatives qui a l'avantage de (a) prendre en compte de manière automatique la fiabilité des sources, (b) combiner des informations définies sur des cadres de discernement différents et homogènes. Elle possède un comportement similaire à la règle conjonctive lorsque les sources sont en accord et un comportement similaire à la règle disjonctive lorsque les sources sont en désaccord.