Classification de données par les algorithmes biomimétiques

Abstract

La complexité du problème de la classification et la variété des espaces de représentation des données (numériques, symboliques, etc.) ont données naissance à une multitude de méthodes de résolution. On peut distinguer des méthodes de classification dure et des méthodes de classification floue. Parmi les méthodes de classification dure, il existe une branche qui s'inspire plus spécialement de principes issus de la biologie. Les méthodes de classification floue sont fondées sur la notion de logique floue, ils sont destinées en général à la classification de données incertaines et imprécises. Dans notre travail, après une étude synthétique sur les différents algorithmes biomimétiques (PSO, AG, FA, RNA, nous proposons un algorithme hybride FPSO de classification non supervisée qui procède par combinaison de techniques utilisées dans les algorithmes PSO, les algorithmes génétiques et l’algorithme FCM. Dans cet algorithme chaque objet est attribué à la classe dont il a le plus grand degré d’appartenance. L’algorithmeainsi proposé est testé avec des bases de données d’apprentissages et les résultats obtenus sont comparés avec des résultats obtenus avec d’autres techniques de classification en utilisant les mêmes jeux de données.