Conception et Développement de Nouveaux Algorithmes de Machine Learning pour une meilleure Classification des Données

Abstract

Actuellement, la science de donn´ees est un axe de recherche en plein essor gr^ace `a la grande quantit´e de donn´ees g´en´er´ees quotidiennement par les diff´erents moyens technologiques. Cet axe vise `a extraire les informations pertinentes `a partir des donn´ees brutes. Une description en amont de ces donn´ees est souvent indisponible y compris les classes des ´echantillons. Par cons´equent, il est plus judicieux d’adopter des m´ethodes appropri´ees, en l’occurrence la classification non supervis´ee (dite Clustering en anglais) qui consiste `a regrouper les donn´ees sous forme de classes homog`enes appel´ees Clusters. Dans la pr´esente th`ese, nous nous sommes int´eress´es `a l’am´elioration de l’algorithme de clustering DENCLUE qui appartient `a la famille de m´ethodes bas´ees sur la densit´e. Cet algorithme a d´ej`a prouv´e sa robustesse surtout dans le cas des donn´ees bruit´ees multi-dimensionnelles. Cependant, il n’est pas assez performant en termes de temps d’ex´ecution en particulier pour classifier une grande quantit´e de donn´ees. Pour rem´edier `a cela, nous avons propos´e trois nouvelles am´eliorations de DENCLUE qui ont montr´e leur performance `a trouver un bon compromis entre le temps d’ex´ecution et la qualit´e du clustering. En plus des am´eliorations consid´erables apport´ees, notre analyse de r´esultats nous a conduit `a la d´etection d’un probl`eme de chevauchement entre les clusters obtenus dans certains ensembles de donn´ees. Pour r´epondre `a ce probl`eme, nous avons propos´e une mise en ´echelle des donn´ees en se basant sur leurs distributions de densit´es. Les r´esultats quantitatifs et visuels se sont av´er´es plus int´eressants prouvant ainsi le grand int´er^et de la m´ethode propos´ee. La deuxi`eme partie de nos contributions s’est focalis´ee sur l’application de nos algorithmes tout en les adaptant `a des domaines bien sp´ecifiques, notamment la recherche et la s´election des services dans le Could Computing, l’analyse de sentiments dans le r´eseau social Twitter, et le cancer du nasopharynx (domaine m´edical).