ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique

APPEL À
CONTRIBUTION
Masses de données hétérogènes
En savoir plus >>
Autres revues >>

Revue d'Intelligence Artificielle

0992-499X
Revue des Sciences et Technologies de l'Information
 

 ARTICLE VOL 16/3 - 2002  - pp.279-306  - doi:10.3166/ria.16.279-306
TITRE
Elimination du bruit et détection des zones de haute densité

RÉSUMÉ
Fuzzy Pattern Matching (FPM) est une méthode de classification supervisée multicritère. Elle construit des densités de possibilité a partir de distributions de probabilité en utilisant une transformation probabilité-possibilité. L'utilisation d'un seuil, de probabilité ou de possibilité, permet d'améliorer les performances de FPM en éliminant l'effet du bruit représenté par des points aberrants. De plus, il permet de détecter les zones de haute densité de points. Ces zones peuvent être interprétées comme des sous-modes ou des sous-classes dans un mode de fonctionnement ou dans une classe. Pour cela, nous proposons dans cet article l'utilisation d'une nouvelle transformation probabilité-possibilité que nous appelons transformation généralisée. Cette dernière est celle qui perd le moins d'information lors de l'utilisation du seuil. De plus, elle permet l'utilisation d'un seuil adaptatif en fonction des jeux de données.


ABSTRACT
Fuzzy Pattern Matching (FPM) is a classification method using the fuzzy and the possibility theories to take into account the imprecision and the uncertainty contained in the data. It builds possibility densities, which are based on a transformation from probability into possibility. The use of a threshold, of probability or of possibility, improves the classification performance of FPM in deleting the noise, which is represented by aberrant points. Additionally, it permits to detect the high-density zones, which can be interpreted as sub functioning modes or sub classes. In this paper, we propose the use of a new probabilitypossibility transformation that we call the general probability-possibility transformation. This transformation can delete the noise and detect the high density zones of points in losing less of information than the other most known transformations. In addition, it permits to use an adaptive threshold, which adapts automatically the general transformation to the training set.


AUTEUR(S)
Moamar SAYED MOUCHAWEH, Patrice BILLAUDEL, Gérard VILLERMAIN LECOLIER

MOTS-CLÉS
diagnostic par reconnaissance des formes, surveillance, Fuzzy Pattern Matching, théorie des possibilités, transformation possibilité-probabilité.

KEYWORDS
Diagnosis by pattern recognition, Supervision, Fuzzy Pattern Matching, Possibility theory, Probability-possibility transformation.

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (24,97 Mo)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier