THESE_EL BOUJNOUNI

Contribution à l’optimisation de la machine
application à la détection de spams et de virus informatiques
Président :
Mr. Aziz ETTOUHAMI
Examinateurs :
Mr. Jamal OUENNICHE
Mr. Abdelaziz BOUROUMI
Mr. Noureddine ZAHID
Mr. Mohamed JEDRA
Mr. Mohammed Majid
HIMMI
Faculté des Sciences, 4 Avenue Ibn Battouta B.P. 1014 RP,
Tel [phone]/38, Fax : [phone], http://www.fsr.ac.ma
UNIVERSITÉ MOHAMMED V
FACULTÉ DES SCIENCES
Rabat
THÈSE DE DOCTORAT
Présentée par :
EL BOUJNOUNI Mohamed
Discipline: Sciences de l’Ingénieur
Spécialité : Informatique
Contribution à l’optimisation de la machine
d’apprentissage SVDD
application à la détection de spams et de virus informatiques
Soutenue le 21-07-2015
Devant le jury composé de :
Professeur
à la Faculté des Sciences de Rabat
Professeur au Business School, U
niversité d’Edinburgh
Professeur à la Faculté des Sciences
Ben M’
Professeur
à la Faculté des Sciences de Rabat
Professeur
à la Faculté des Sciences de Rabat
HIMMI
Professeur
à la Faculté des Sciences de Rabat
Faculté des Sciences, 4 Avenue Ibn Battouta B.P. 1014 RP,
Rabat
Tel [phone]/38, Fax : [phone], http://www.fsr.ac.ma
1
N° d’ordre : 2785
d’apprentissage SVDD
application à la détection de spams et de virus informatiques
à la Faculté des Sciences de Rabat
.
niversité d’Edinburgh
(UK)
Ben M’
sik Casablanca.
à la Faculté des Sciences de Rabat
.
à la Faculté des Sciences de Rabat
.
à la Faculté des Sciences de Rabat
.
Rabat
– Maroc
Tel [phone]/38, Fax : [phone], http://www.fsr.ac.ma

2
Avant propos
Les travaux présentés dans cette thèse ont été effectués au Laboratoire Conception et
Systèmes (Microélectronique et Informatique) LCS à la Faculté des Sciences de Rabat sous la
direction du Professeur M. Jedra.
Mes premiers remerciements s’adressent à mon directeur de thèse Monsieur M. Jedra,
Professeur à la Faculté des Sciences de Rabat, pour sa disponibilité et ses conseils judicieux qu’il
m’a prodigués. Je lui suis tout particulièrement reconnaissant d’avoir su m’orienter et de m’avoir
encouragé tout au long de cette recherche. J’ai particulièrement apprécié ses commentaires, son
sens de critique aiguisé et son grand respect pour les idées. Il a été une source d’inspiration, et de
rigueur scientifique.
Je tiens à exprimer ma haute considération à Monsieur A. Ettouhami, Professeur à la
Faculté des Sciences de Rabat, directeur du laboratoire LCS, d’avoir accepté de présider le jury
de cette thèse et d'être rapporteur de mon travail. Je le remercie vivement pour ses remarques
pertinentes et ses nombreux conseils.
Ma profonde gratitude va également à Monsieur N. Zahid coencadrant, Professeur à la
Faculté des Sciences de Rabat, pour ses recommandations et sa collaboration qui m’ont été de
grande pertinence et de réelle utilité pour mener à bien ce projet de recherche et aussi pour sa
participation à ce jury de thèse.
Je présente à Monsieur M. Himmi, Professeur à la Faculté des sciences de Rabat,
l’expression de ma profonde reconnaissance, pour le grand honneur qu’il me fait en acceptant de
participer à ce jury de thèse.

3
Je présente également à Monsieur A. Bouroumi, Professeur à la faculté des sciences Ben
M’sik de Casablanca, l’expression de ma profonde reconnaissance, pour le grand honneur qu’il
me fait en acceptant de participer à ce jury de thèse.
Je tiens également à témoigner ma profonde gratitude à Monsieur J.Ouenniche, Professeur
au Business School à l’université d’Edinburgh, d’avoir porté un jugement sur ce travail en qualité
de rapporteur. Je lui suis très reconnaissant d’avoir accepté de faire partie de ce jury de thèse.
Enfin, je tiens à remercier et à exprimer ma sincère sympathie à tous les Professeurs et les
Doctorants du Laboratoire Conception et Systèmes (Micro-électronique et Informatique) de la
faculté des sciences de Rabat.

4
Dédicace
T Åt ytÅ|ÄÄx xà õ Åxá tÅ|á

5
Table des matières
Introduction Générale ...................................................................................... 9
Chapitre I ......................................................................................................... 12
État de l'art de l’apprentissage automatique .................................................. 12
1.1. Introduction ................................................................................................................................... 12
1.2. Les types d'algorithmes d'apprentissage ........................................................................................ 13
1.3. L’apprentissage supervisé .............................................................................................................. 14
1.3.1. Les réseaux de neurones à apprentissage supervisé ............................................................... 15
1.3.2. Les séparateurs à vaste marge ................................................................................................ 19
1.3.3. Les arbres de décision ............................................................................................................ 20
1.3.4. Le classifieur Bayesien naïf ..................................................................................................... 23
1.4. L’apprentissage non-supervisé ....................................................................................................... 24
1.4.1. Les réseaux de neurones à apprentissage non supervisé......................................................... 25
1.4.2. L’analyse en composantes principales .................................................................................... 27
1.4.3. Les k-moyennes ...................................................................................................................... 31
1.4.4. Les méthodes hiérarchiques ................................................................................................... 33
1.5. L’apprentissage semi-supervisé ...................................................................................................... 34
1.6. L’apprentissage par renforcement .................................................................................................. 35
1.7. Conclusion ..................................................................................................................................... 36
Chapitre II ........................................................................................................ 37
Machines d’apprentissage à noyaux ............................................................... 37
2.1. Introduction ................................................................................................................................... 37
2.2. Principe de la minimisation du risque ............................................................................................. 38
2.2.1. La minimisation du risque théorique....................................................................................... 38
2.2.2. La minimisation du risque empirique ...................................................................................... 39
2.2.3. La minimisation du risque structurel ....................................................................................... 39
2.3. Les Séparateurs à Vaste Marge (SVMs) ........................................................................................... 41
2.3.1. SVMs mono-classe .................................................................................................................. 41