Vie artificielle, analyse, traitement et fouille de données : proposition

République Algérienne Démocratique et Populaire
Ministère de l’enseignement supérieur et de la recherche scientifique
Université Mentouri — Constantine
Faculté des Sciences de 1’Ingénieur
Département d’ Informatique
N° d’ordre: / /2011
Série : /lnf/2011
Thèse de Doctorat en Sciences en Informatique
Thème :
« VIE ARTIFICIELLE, ANALYSE, TRAITEMENT ET
FOUILLE DE DONNEES »
Présentée par:
Mme ESMA BENDIAB Ep. BENLAKSIRA
Dirigée par:
Dr. Mohamed Khireddine KHOLLADI
Soutenue le: 24/11/ 2011
Composition Du Jury
Prof. Salim Chikhi Professeur, Université de Constantine Président
Dr. M.K. Kholladi Maître de Conférences, Université de Constantine Rapporteur
Prof. Hamid Seridi Professeur, Université 08 Mai 1945 Guelma Examinateur
Dr. Allaoua Chaoui Maître de Conférences, Université de Constantine Examinateur
Dr. Faudil Chérif Maître de Conférences, Université de Biskra Examinateur

Thèse de Doctorat en Sciences en Informatique
Thème:
" Vie artificielle, analyse, traitement et fouille de données :
proposition de nouvelles approches pour l'apprentissage machine
basées systèmes immunitaires artificiels"
Présentée par:
Mme ESMA BENDIAB Ep. BENLAKSIRA

Remerciements
Une thèse n’est pas une fin en soi, mais c’est un moment particulier dans la vie d’un chercheur : il
y aura eu un avant qui ne sera plus, et il y aura un après à construire. Aussi, au moment de
franchir cette limite, je ne peux pas ne pas penser à tous ceux qui, de près ou de loin, auront
contribué à ce grand effort car, si l’épreuve est individuelle, ses implications sont sociales,
académiques, familiales, et humaines tout simplement. Je tiens à présenter mes expressions de
remerciements et ma profonde gratitude à tous ceux qui ont contribué activement de loin ou de
près, à la réalisation de ce travail, à tous ceux qui ont supporté les conséquences de mon
engagement.
Pour commencer, je tiens à exprimer ma profonde gratitude et mes vifs remerciements aux
membres du jury :
A mon encadreur, Monsieur Mohamed Khirreddine Kholladi pour avoir accepté de diriger ce
travail.
A monsieur Salim Chikhi, Professeur à Université de Constantine pour m’avoir fait l’honneur de
présider ce jury
A messieurs les examinateurs :
- Monsieur Hamid Seridi, Professeur à Université 08 Mai 1945 Guelma,
- Monsieur Faudil Chérif, Maître de Conférences à l’université de Biskra.
- Monsieur Allaoua Chaoui, Maître de Conférences à l’université de Constantine,
Pour avoir accepté de juger ce travail, je les remercie tout particulièrement pour l'attention
et le temps qu'ils y ont consacré.
Bien sûr, je tiens à montrer toute ma gratitude envers toutes les personnes qui ont pu m'aider,
m'encourager, me soutenir, me remotiver pendant ces années de travail : parents, amies,
collègues, étudiants et famille. Je voudrais aussi montrer toute ma reconnaissance et ma
gratitude à tous les membres de ma famille qui ont toujours été là, même quand ça n'allait pas.
Merci à vous :
A toi maman, je viens à toi, o toi ma mère, avec ma force et ma foi, déposer humblement, à tes
pieds pour ta chaleur et ton bonheur, le fruit de ma sueur, à ton cœur ma mère, à ton âme ma
chair, je te fais hommage de mon ouvrage.
A toi papa, en témoignage de toute l’affection dont tu m’as comblée et de la confiance que tu as
placé en moi, je te dédie le labeur de mes efforts.
A toi Rédha, en témoignage de tout le soutien et la compréhension dont tu m’as fait preuve,
pendant toutes ces années, me permettant de me construire comme chercheur.
A ma petite Lyna que j’ai beaucoup délaissé ces derniers temps.
A Lotfi, Hichem, Souheila ainsi que toute ma famille.
Sans oublier, Faiza pour son aide très bénéfique.

Résumé.
Le « natural computing » est une nouvelle discipline où on s’intéresse à se rapprocher des
fonctionnements biologiques par des simulations ou même des approximations, caractérisées par
l’émergence d’un comportement complexe, afin de créer des solutions informatiques.
Les systèmes immunitaires artificiels sont un exemple, ils se présentent comme une nouvelle
métaphore puissante inspirée par le mécanisme de défense humain, pour le développement de
paradigmes de calcul intelligents. Un intérêt grandissant côtoie ces systèmes, dû au fait que les
mécanismes naturels qui permettent au corps humain d’atteindre son immunité, suggèrent de nouvelles
idées pour l’apprentissage, la classification.etc. Les systèmes immunitaires artificiels sont composés
principalement de: l’algorithme de la sélection négative, l’algorithme de la sélection de clones, la
théorie des réseaux immunitaires et plus récemment la théorie du danger. Cette dernière est une
nouvelle adjonction aux systèmes immunitaires artificiels, appréhendée par l’algorithme des cellules
dendritique. Elle présente des propriétés intéressantes pour la classification des données.
Par ailleurs, l’apprentissage, supervisé et non supervisé, est identifié comme une des problématiques
majeures en extraction des connaissances à partir de données ou la fouille de donnés. Les besoins en
analyse de données et en particulier en classification ont augmenté significativement. En effet, de plus
en plus de domaines scientifiques nécessitent de catégoriser leurs données dans un but descriptif ou
décisionnel. Deux approches sont proposées dans ce contexte : les méthodes statistiques, connues sous
le nom de méthodes classiques, souffrent de plusieurs limites. Ainsi, elles laissent place aux méthodes
issues de l’intelligence artificielle et particulièrement aux approches bio-inspirées.
Notre travail se résume en l’apport d’une nouvelle synergie, par la fusion de ce qu’apporte les
systèmes complexes comme solutions alternatives aux méthodes classiques et l’apprentissage
machine. D’une façon plus précise, il est question de tirer profit des caractéristiques des systèmes
immunitaires artificiels pour développer de nouvelles approches, pour l’apprentissage machine en
général.
Le but principal est d’examiner la théorie du danger et de la traduire dans le contexte de la
classification des images. De ce fait, une approche basée algorithme des cellules dendritiques est
proposée : en première application, pour classer les pixels d’une image en deux classes végétale ou sol
à la base de leurs textures et couleurs. En deuxième application, l’algorithme est appliqué à la
classification des feuilles végétales en utilisant la transformation en ondelette. Une deuxième approche
propose l’application de l’algorithme de la sélection négative pour l’apprentissage et la classification.
Deux développement ont été menés dans ce sens : le premier concerne la classification des pixels
(peau, non peau). Quant au deuxième, il se veut une méthode de détection des changements dans une
base de données biométriques.
Les résultats obtenus sont encourageants, montrent la faisabilité et l’efficacité des approches proposées
et ouvrent de nouvelles perspectives pour le domaine.
Mots clé: Systèmes complexes, natural computing, systèmes immunitaire artificiels, théorie du
danger, algorithme de la sélection négative, apprentissage, classification des images.

Abstract.
The "natural computing" is devoted to a new discipline which investigates the
biological functions through simulations or even approximations, characterized by the
emergence of a complex behaviour, in order to create computational solutions.
Artificial immune systems are an example; they are a new powerful metaphor inspired
by the human defence mechanism for the development of intelligent computing paradigms.
Growing interests are surrounding these systems due to the fact that the natural mechanisms
which allow the human body to reach its immunity, suggest new ideas for real world
problems, such learning and classification. Artificial immune systems are mainly composed
of: negative selection algorithm, the clonale selection algorithm, the immune network theory
and more recently the danger theory. The danger theory is a new addition to artificial immune
systems; it is apprehended by the dendritic cells algorithm. The theory presents interesting
properties for data classification.
Furthermore, supervised and unsupervised learning is identified as one of the major
problems in knowledge extraction in data mining. The data analysis need, and classification in
particular, has increased significantly. Indeed, more and more science areas need to categorize
their data for descriptive purposes or decision-making tasks. Two approaches are proposed in
this context: statistical methods, known as conventional methods, suffer from several
limitations, give up their place to artificial intelligence approaches, particularly bio-inspired
ones.
Our contribution can be summarized in the provision of a new synergy, by merging
complex systems, as alternatives to conventional methods, and machine learning problem.
Precisely, it is a matter of taking advantage from artificial immune systems features to
develop new approaches to machine learning in general. So, the main purpose is to examine
the danger theory and to give the appropriate translation for the image classification field.
Thus, an approach based on the dendritic cells algorithm is used: in the first
application, we classify image pixels into two classes: vegetal or soil at the bases of their
textures and colors. In the second application, the algorithm is applied to the classification of
plant leaves using the wavelet transform. A second approach based negative selection
algorithm is also proposed for learning and classification. Two developments were conducted
in this way: the first, the classification of pixels as skin not skin and the second, for the
classification of biometric data.
The results are encouraging; they show the feasibility and the effectiveness of the
proposed approaches and gives new perspectives to the domain.
Keywords: Complex systems, natural computing, artificial immune systems, danger theory,
the negative selection algorithm, machine learning, image classification.