Apprentissage en ligne pour le développement d`un classifieur de

FACULTE DES SCIENCES
DEPARTEMENT D’INFORMATIQUE
Mémoire présenté en vue de l’obtention du diplôme de
Magister en informatique
Option : Systèmes et Technologies de l’Information
et de la Communication systèmes et technologies de
l'information et de la communication
Thème : Apprentissage en ligne pour le
développement d’un classifieur de données médicales
Présenté par :
Mr. IMAD GAOUAR
Devant le jury composé de :
Président : Mr. Bessaid Abdelhafid Professeur
Directeur de mémoire : Mr. Chikh Med Amine Professeur
Examinateur: Mr. Benmamar Badr MCA
Examinatrice : Mme Didi Fedoua MCA
Invité : Mr. Benazzouz Mortada MCB
Année : 2014-2015

Dédicaces
J e dédie ce mémoire :
A mes parents
A mes frères et sœurs
A mes beaux-frères et belles sœurs
A mes chers neveux et nièces
A
tous mes amis (es)
A tous les membres de ma famille
A tous ceux qui ont contribué à ma formation
Imad

Remerciements
Je tiens tout d'abord à remercier le directeur de ce mémoire, Mr. Chikh Mohamed Amine,
Professeur à l’Université de Tlemcen pour m'avoir guidé, encouragé, conseillé et fait
confiance tout au long de ce travail.
Je tiens à exprimer ma grande considération et ma vive reconnaissance à Mr. Bessaid
Abdelhafid, Professeur à l’Université ABB de Tlemcen, d’avoir accepté d’assurer la
présidence du jury de mon mémoire de magister.
Mes vifs remerciements vont à Mme Didi Fedoua, Maître de Conférences à l’Université ABB
de Tlemcen, d’avoir accepté d’examiner ce mémoire.
Je remercie Mr. Benmamar Badr, Maître de Conférences à l’Université ABB de Tlemcen,
d’avoir accepté de faire partie du jury de mon mémoire de magister.
Je tiens à remercier également Mr. Benazzouz Mortada pour le grand honneur qu’il me fait
en étant présent dans ce jury.
Mes remerciements vont également à Mr. Bechar Mohamed Amine, doctorant à l’Université
de Tlemcen, pour sa gentillesse, ses conseils ainsi que sa disponibilité, je remercie également
Mr Behedada Omar doctorant à l’Université de Tlemcen pour m’avoir aidé à mettre mes
idées en œuvre sur MATLAB. Je remercie aussi Mme Baba Ahmed née Boublenza Amina
doctorante à l’Université de Tlemcen pour m’avoir orienté et conseiller durant ce travail.
Enfin, merci à mes parents pour le soutien et l'encouragement qu'ils m'ont apportés tout au
long de ce travail, mes frères et sœurs ainsi qu’à tous mes ami(e)s pour leurs encouragements
et leurs conseils.
Je remercie toute personne ayant contribué de prés ou de loin à l’élaboration de ce mémoire.
IMAD

Table des matières
Introduction générale ............................................................................................................................ 1
Chapitre1: Principes de l’apprentissage en ligne
1. Introduction ................................................................................................................................... 3
2. Modèles intelligents ....................................................................................................................... 4
2.1 L’IA Symbolique : ................................................................................................................... 5
2.2 L’IA Numérique (Réseaux Connexionnistes) : ....................................................................... 7
2.3 Besoin en apprentissage : ........................................................................................................ 8
3. Les modes d’apprentissage artificiel ............................................................................................ 8
3.1 Apprentissage supervisé ................................................................................................................ 9
3.1.1 Apprentissage non-supervisé ........................................................................................... 9
3.1.2 L’apprentissage par renforcement ................................................................................... 9
4. Différents problèmes en apprentissage artificiel ........................................................................ 9
4.1 Problèmes en apprentissage supervisé ........................................................................................... 9
4.1.1 Classification ................................................................................................................... 9
4.1.2 Régression ..................................................................................................................... 10
4.1.3 Séries temporelles .......................................................................................................... 10
4.2 Problèmes en apprentissage non-supervisé : ............................................................................... 10
4.2.1 Estimation de densité ......................................................................................................... 10
4.2.2 Partitionnement ................................................................................................................. 10
4.2.3 Réduction de dimensionnalité ........................................................................................... 10
5. Relations entre les techniques d’apprentissage......................................................................... 11
6. Apprentissage hors-ligne et Apprentissage en-ligne ................................................................. 11
6.1 Apprentissage hors-ligne ............................................................................................................. 11
6.2 Apprentissage en-ligne ................................................................................................................ 11
7. Apprentissage statique et apprentissage incrémental .............................................................. 12
7.1 Apprentissage statique ................................................................................................................. 12
7.2 Apprentissage incrémental .......................................................................................................... 12
8. Système adaptatif et système évolutif ........................................................................................ 13
8.1 Système adaptatif ........................................................................................................................ 13
8.2 Système évolutif .......................................................................................................................... 13

9. Mémoire des données et mémoire des concepts ........................................................................ 14
9.1 Mémoire des données .................................................................................................................. 14
9.2 Mémoire des concepts ................................................................................................................. 14
10. les principaux modèles incrémentaux évolutifs ........................................................................ 15
10.1 Cas de mono classifieurs évolutifs ............................................................................................ 15
10.1.1 Les Réseaux de neurones multicouche .......................................................................... 15
10.1.2 Machines à vecteurs supports (SVM) évolutives ............................................................... 15
10.2 Cas de multi-classifieurs évolutifs ............................................................................................. 16
10.2.1 Systèmes à ensemble évolutifs ......................................................................................... 16
10.2.1.1 L’algorithme Learn++ ................................................................................................. 16
10.2.1.2 Growing Negative Correlation Learning (GNCL) ...................................................... 17
10.2.2Les systèmes multi agents ................................................................................................. 17
10.3 Systèmes d’inférence floue évolutifs ......................................................................................... 18
10.3.1 Exemples de SIF dans la littérature .................................................................................... 18
10.3.1.1FLEXible Fuzzy Inference System (FLEXFIS) ........................................................... 18
10.3.1.2 Evolving Fuzzy Neural Networks (EFuNN) ............................................................... 18
10.3.1.3 Dynamic Evolving Neural-Fuzzy Inference System (DENFIS) ................................. 19
10.3.1.4EvolvingTakagi-Sugeno (eTS) et eClass (notre sujet) ................................................. 19
10.3.2 Principes des Systèmes d’inférence floue (SIF) incrémental évolutif ..................... 19
10.3.2.1 Théorie de la logique floue .......................................................................................... 19
a) Théorie des ensembles flous ............................................................................................ 20
b) Inférence floue ................................................................................................................ 20
10.3.2.2Architecture d’un SIF ................................................................................................... 21
a)Structure des prémisses ..................................................................................................... 21
b)Structure des conclusions ................................................................................................... 22
10.3.3 Apprentissage incrémental d’un SIF .............................................................................. 24
10.3.3.1 Évolution des prémisses .............................................................................................. 24
10.3.3.2 Évolution des conclusions ........................................................................................... 25
10.3.3.3 Stabilité de l’apprentissage ......................................................................................... 25
10.3.3.4 Ajout de classes ........................................................................................................... 25
11. Discussion ..................................................................................................................................... 25
12. Conclusion .................................................................................................................................... 26
Chapitre2: Les classifieurs évolutifs littérature et théorie
1. Introduction : ............................................................................................................................... 27