La reconnaissance automatique de scénarios est cruciale pour l'aide à la supervision de systèmes dynamiques. Cependant, la construction de tels scénarios représentatifs de situations de bon ou de mauvais fonctionnement n'est pas réalisable en pratique directement à partir de la connaissance experte. Notre objectif est donc d'extraire, à partir des données et des informations disponibles, des séquences abstraites d'événements pertinents et ensuite de construire des scénarios validés par les experts comme représentatifs d'une classe de situations à reconnaître. Le travail de cette thèse présente une méthodologie pour la découverte de scénarios médicaux, en particulier l'abstraction graduelle des données est détaillée. La découverte de scénarios relève de l'extraction de connaissances et comprend, entre autres, les étapes de transformation des données et de fouille de données. Cette méthodologie s'appuie sur un processus incrémental de manipulation des informations et des connaissances basé sur une clarification de ces concepts. Elle est appliquée à la surveillance de patients hospitalisés en unités de soins intensifs.
| Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00008108 |
| Date | 10 December 2004 |
| Creators | Silvent, Anne-Sophie |
| Source Sets | CCSD theses-EN-ligne, France |
| Language | fra |
| Detected Language | French |
| Type | PhD thesis |
Page generated in 0.0168 seconds