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

Thèse de Mohamed amir ESSEGHIR

Métaheuristiques pour le problème de sélection d’attributs

Date de début : 1er octobre 2005
Mots clés : Sélection d'attributs, Métaheuristiques, Classification, Optimisation combinatoire, Algorithmes génétiques, GRASP, PSO, Recherche locale, Algorithmes génétiques, Programmation heuristique
Encadrement :

Afin d’améliorer la qualité de prédiction des techniques de classification automatique et de fouilles de données, plusieurs modèles ont été proposés dans la littérature en vue d’extraire des connaissances à partir des données. Toutefois, avec l’expansion des systèmes d’information et des technologies associées, ces techniques d’apprentissage s’avèrent de moins en moins adaptées aux nouvelles tailles et dimensions des données. On s’intéresse dans cette étude aux problèmes de grande dimensionnalité et à l’amélioration du processus d’apprentissage des méthodes de classification à travers les techniques de filtrage et de sélection d’attributs. Le problème « d’identification d’attributs pertinents » (Feature Selection Problem), tel qu’il est défini dans la littérature, relève d’une nature combinatoire. Dans le cadre de cette thèse, on s’est intéressé au développement de nouvelles techniques d’optimisation approchées et spécifiques au problème traité ainsi qu’à l’amélioration d’algorithmes existants. La conception, l’implémentation et l’étude empirique ont montré l’efficacité et la pertinence des métaheuristiques proposées.

Axes scientifiques impliqués :

Domaines d'application impliqués :

Aucun partenaire n'est associé à ces travaux.

Soutenance

Soutenance ayant eu lieu le 29/11/2011 à 10:00 Salle Prestige - FSA - Béthune

Jury :

  • Rapporteur Patrick SIARRY Université Paris-Est Créteil
  • Rapporteur Jean-Charles CREPUT Université de Technologie de Belfort-Montbéliard
  • Examinateur Rémy DUPAS Université Bordeaux I
  • Examinateur Laetitia JOURDAN INRIA / USTL
  • Examinateur Daniel JOLLY Université d'Artois