1 / 14

Classification de données par l’algorithme FPSO-GA

1 Lalama Zahia , 2 Moussaoui Abdelouahab 1 Département d’informatique, Université de Sétif (Algérie), lalamazahia@gmail.com 2 Département d’informatique, Université de Sétif (Algérie), moussaoui.abdel@gmail.com. Classification de données par l’algorithme FPSO-GA.

tannar
Download Presentation

Classification de données par l’algorithme FPSO-GA

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 1LalamaZahia, 2MoussaouiAbdelouahab 1 Département d’informatique, Université de Sétif (Algérie), lalamazahia@gmail.com 2 Département d’informatique, Université de Sétif (Algérie), moussaoui.abdel@gmail.com Classification de données par l’algorithme FPSO-GA Rencontres sur la Recherche en Informatique R2I 12-14 Juin 2011 université de Tizi-Ouzou, 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 LALAMA.Z

  3. Notre travail • Un nouvel algorithme biomimétique hybride de classification non supervisée de données LALAMA.Z

  4. Pourquoi algorithmes biomimétiques? Pourquoi un algorithme hybride ? Algorithmes biomimétiques • 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) LALAMA.Z

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

  6. FPSO-GA FPSO-GA (suite) • 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) LALAMA.Z

  7. Algorithmes génétiques Représentation d’une particule • Représentation des classes par des prototypes Ensemble de données avec C classe et d attributs LALAMA.Z

  8. Recherche de la position optimale • Calcul de la fonction objectif • 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 LALAMA.Z

  9. FPSO-GA Pseudo code LALAMA.Z

  10. FPSO Comparaison (inertie intera classes) LALAMA.Z

  11. FPSO Comparaison (donnée bruité) LALAMA.Z

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

  14. MERCI DE VOTRE ATTENTION LALAMA.Z

More Related