mémoire fin d`étude

Remerciments
«(Et lorsque votre Seigneur proclama : "Si vous êtes reconnaissants, très certainement
J’augmenterai [Mes bienfaits] pour vous)»
[Coran S14.V7]
Avant tout, je remercie Dieu le très haut qui m’a donné le courage et la volonté de réaliser ce
modeste travail.
«( CELUI QUI NE REMERCIE PAS LES GENS,NE REMERCIE PAS ALLAH. )»
[Authentique Hadith]
Que Monsieur Mourtada Benazouz, maitre assistant De l’Informatique à l’université « abou
bakr belkaid », trouve ici le témoignage de ma profonde reconnaissance. Ses encouragements,
et surtout ses critiques, Sa sensibilisation, ont largement contribué à l’accomplissement de mes
travaux. Je le remercie infiniment de m’avoir toujours poussé vers l’avant.
Je tiens également à remercier « TOUS » les Messieurs et dames, mes professeurs qui m’ont
enseigné durant deux ans de formation master en Informatique, pour leurs précieux conseils et
ses orientations,
Mes remerciements vont également aux membres du jury d’avoir accepté d’évaluer mon travail.
Sans oublier de remercier mes amis et mes collègues (de l’université ou dans le monde
Virtual « internet ») qui, tous d’une manière différente, ont contribué à ce que je puisse aboutir
à la réalisation de ce mémoire.
Enfin, merci à ma famille (ma Chère mère et mes belles sœurs, mon frère) pour le soutien et
l’encouragement qu’ils m’ont apporté tout au long de mon travail.
__________________________
Ce Rapport a été écrit en LYX/LATEX

Dedicace
A LAMÉMOIRE DEMON PÈRE
Koudri Mohammed

Table des mati` eres
Intoduction générale 10
1 Généralités sur la Classification 12
1.1 Introduction.................................... 13
1.2 Définitions:.................................... 14
1.3 Domaines d’application et points de vocabulaire : . . . . . . . . . . . . . . . . 15
1.4 Exemples de problèmes de classification : . . . . . . . . . . . . . . . . . . . . 15
1.5 Fondements: ................................... 18
1.6 Les étapes d’une classification : . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.7 Approche Paramétrique versus non-paramétrique : . . . . . . . . . . . . . . . . 19
1.8 Les types des méthodes de Classifications : . . . . . . . . . . . . . . . . . . . 20
1.9 METHODE SUPERVISEE «Classement» ou « DISCRIMINATION» : . . . . 20
1.9.1 Définition: ................................ 20
1.9.2 Exemple:................................. 21
1.9.3 Les k plus proches voisins ( K-PPV) : . . . . . . . . . . . . . . . . . . 22
1.9.4 La classification bayésienne : . . . . . . . . . . . . . . . . . . . . . . . 24
1.10Conclusion .................................... 26
2 La classification automatique « Clustering » 27
2.1 Introduction.................................... 28
2.2 Définition ..................................... 28
3

TABLE DES MATIÈRES Page 4
2.3 Principegénéral ................................. 30
2.3.1 Exemple ................................. 30
2.4 Les exigences de Clustering . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.5 LestypesdeClustering.............................. 31
2.6 Les algorithmes de Clustering : . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.6.1 K-means ................................. 33
2.6.2 méthode Fuzzy C-means : . . . . . . . . . . . . . . . . . . . . . . . . 35
2.6.3 Méthodes hiérarchiques . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.7 Mesuredesimilarité ............................... 40
2.7.1 Vocabulaire ............................... 41
2.7.2 Fonctions de similarité . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.7.3 Discussion ................................ 44
2.8 Les limites de Clustering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.9 Les caractéristiques des différentes méthodes . . . . . . . . . . . . . . . . . . 45
2.10Conclusion: ................................... 45
3 Expectation Maximization (GMM) 46
3.1 introduction.................................... 47
3.2 Définition ..................................... 48
3.2.1 Modèledemélange ........................... 48
3.2.2 Distribution Gaussienne . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.2.3 Modèle de mélanges gaussiens . . . . . . . . . . . . . . . . . . . . . 50
3.3 Algorithme d’Expectation-Maximisation . . . . . . . . . . . . . . . . . . . . 53
3.3.1 Principe ................................. 53
3.3.2 LaConvergence ............................. 55
3.3.3 Algorithme ................................ 56
4

TABLE DES MATIÈRES Page 5
3.3.4 L’aspect classificatoire . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.3.5 Discussion ................................ 58
3.4 Conclusion .................................... 59
4 Application 60
4.1 Préliminaire.................................... 61
4.2 L’environnement de travail . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.3 Lelangagedecodage............................... 61
4.4 Description de la base de Données . . . . . . . . . . . . . . . . . . . . . . . . 64
4.5 Description de l’application : . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.6 Conception: ................................... 67
4.7 Expérimentations ................................. 68
Conclusion générale 73
Bibliographie 75
Nethographie 79
Annexe 80
5