Laboratoire de Génie Informatique et d’Automatique de l’Artois

Dans les problèmes de classification, les événements rares sont généralement difficiles à détecter. Par définition, ils font référence à des observations anormales ou à des activités irrégulières, qui se produisent beaucoup moins régulièrement que les événements fréquents. Ce type de situation peut être appelé un problème de classification de données déséquilibrées, où l’une des classes représente une très petite minorité des données et la classe la plus répandue est appelée la classe majoritaire. La présence d’autres imperfections dans les données, comme l’incertitude, amplifie la complexité du problème.
Ce travail s’intéresse à gérer les incertitudes dans les problèmes de classification déséquilibrée, en utilisant la théorie des fonctions de croyance. Pour l’instant, nous nous intéressons particulièrement à développer des méthodes de rééchantillonnage, qui rééquilibrent les données à la phase de prétraitement.