Classification de données par l’algorithme FPSO-GA

Présentation au sujet: "Classification de données par l’algorithme FPSO-GA"— Transcription de la présentation:

1 Classification de données par l’algorithme FPSO-GA
Rencontres sur la Recherche en Informatique R2I 12-14 Juin 2011 université de Tizi-Ouzou, Algérie Classification de données par l’algorithme FPSO-GA 1 Lalama Zahia, 2 Moussaoui Abdelouahab 1 Département d’informatique, Université de Sétif (Algérie), 2 Département d’informatique, Université de Sétif (Algérie),

2 Classifications de données
Objectif Répartir un ensemble de données en groupes d'observations homogènes Différentes classifications possibles Différentes classifications possibles Classification exclusive ou non exclusive Classification supervisée ou non supervisée 13/04/2017 LALAMA.Z

3 Notre travail Un nouvel algorithme biomimétique hybride de classification non supervisée de données 13/04/2017 LALAMA.Z

4 Pourquoi algorithmes biomimétiques? Pourquoi un algorithme hybride ?
Problème de classification (NP- difficile) Métas heuristiques inspirées de la biologie (Rapide, répété, aléatoire, solution approchée) L’hybridation Pour augmenter les performances Remédier à certains problèmes rencontrés par un algorithme (Difficulté de réglage des paramètres, choix de la fonction objectif, présence des minimum locaux) 13/04/2017 LALAMA.Z

5 FPSO-GA Combinaison des algorithmes biomimétiques AG, OEP et FCM
Algorithme itératif Algorithme principale: OEP (PSO) Coopération entre plusieurs particules (essaim) 13/04/2017 LALAMA.Z

6 FPSO-GA (suite) FPSO-GA
Appartenances des objets à différentes classes selon une matrice d’appartenance (somme degrés =1) Deux fonctions objectifs: Local (inspiré de FCM): retirer la particule vers sa meilleur partition Globale : retirer la particule vers la meilleur partition trouvé dans l’essaim. Faire sortir l’algorithme d’un optimum local (Croisement à un point: AG) 13/04/2017 LALAMA.Z

7 Représentation d’une particule
Algorithmes génétiques Représentation d’une particule Représentation des classes par des prototypes P11 P12 . P1d P21 P22 P2d Pc1 Pc2 Pcd Ensemble de données avec C classe et d attributs 13/04/2017 LALAMA.Z

8 Recherche de la position optimale
Calcul de la fonction objectif Recherche de la position optimale Vi(t+1) =w(vi(t))+ c1 rand1 (pid – xid(t)) + c2 rand2(pg –xid(t)) xid(t+1) = xid(t) + Vid(t+1) Meilleur position d’une particule Matrice d’appartenance 13/04/2017 LALAMA.Z

9 FPSO-GA Pseudo code 13/04/2017 LALAMA.Z

10 Comparaison (inertie intera classes)
FPSO Comparaison (inertie intera classes) 13/04/2017 LALAMA.Z

11 Comparaison (donnée bruité)
FPSO Comparaison (donnée bruité) 13/04/2017 LALAMA.Z

12 Conclusion L’hybridation peut améliorer les performances
FPSO-GA : des calculs simples et des résultats satisfaisants et améliorés 13/04/2017 LALAMA.Z

13 Comme perspectives Faire une étude pour le choix des valeurs des paramètres des algorithmes Utiliser une méthode qui permet de définir le nombre initial de clusters dans l’algorithme FPSO-GA Utiliser une matrice d’appartenance en éliminant la contrainte de définir la somme des degrés d’appart à 1. 13/04/2017 LALAMA.Z

14 MERCI DE VOTRE ATTENTION
13/04/2017 LALAMA.Z