REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE Université Abou-bekr Belkaid Tlemcen

i
REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE
Ministère de l’Enseignement Supérieur et de la Recherche Scientifique
Université Abou-bekr Belkaid Tlemcen
Faculté des Sciences
Département Informatique
MEMOIRE
Pour l’obtention du diplôme de :
MAGISTER EN INFORMATIQUE
De l’Ecole Doctorale des systèmes et technologies
d’information et de communication STIC
Intitulé :
Présenté par :
Mlle. Fatima Bekaddour
Soutenu en Mai 2014 devant le Jury :
Président du jury. Mr. Lahsaini Mohamed, MCA, UABB Tlemcen - Algérie,
Examinateur. Mr. Benmaamer Badr, MCA, UABB Tlemcen - Algérie,
Mr. Bessaid Abdelhaffidh, Pr, UABB Tlemcen - Algérie,
Invité. Mr. Benazzouz Mourtada, MCB, UABB Tlemcen - Algérie,
Directeur de mémoire. Mr. Chikh Mohamed Amine, Pr, UABB Tlemcen - Algérie,
Amélioration des Performances des
Classifieurs à base de Métaheuristiques

ii
Remerciements
Je remercie ALLAH le Tout-Puissant de m'avoir donné le courage, la volonté et
la patience de mener à terme ce présent travail.
Mes remerciements vont particulièrement à Mon encadreur Mr Chikh Med Amine
de l'université Abou-Bekr Belkaid Tlemcen pour m'avoir proposé ce sujet, pour son aide
et le temps qu'il m'a consacré, tout en me faisant profiter de sa culture et de sa rigueur
scientifique.
Je voudrais aussi remercier Mr Lahsaini Mohamed, maître de conférences à
l'université Abou- Bekr Belkaid Tlemcen pour l'intérêt qu'il a porté à ce travail en
acceptant d'être président du jury.
Mes remerciements s'adressent à Mr Benmaamer Badr, MCA à l'université de
Tlemcen et Mr Benazzouz Mourtada maître de conférence classe B à l'université de
Tlemcen pour l'intérêt qu'ils ont porté à ce travail en acceptant d'être examinateurs.
Mes derniers mots s'adressent tout particulièrement à ma famille : mon père, mes
frères, et surtout ma mère dont les encouragements et le soutien ont été indispensables à
l'aboutissement de mes études, et que sans elle je n’aurai jamais pu réussir.
i

iii
Je dédie ce travail à la source de tendresse que sont
Mes très chers parents
Tout en étant convaincue que mon succès est une récompense
Pour tous leurs sacrifices, qu'ils trouvent ici l'expression de ma plus
Profonde gratitude.
À mes deux frères Akkacha et Hassen
A la mémoire de mon grand père Bekaddour Ahmed
Et mon professeur Mr Kara Chafik
Que leurs âmes reposent en paix
À toute la famille Bekaddour
À tous mes amies.
À tous ceux qui m'aiment
F.Bekaddour
ii

Résumé
La performance d’une méthode de classification est d’un grand intérêt pour le choix, la
comparaison et la validation des algorithmes de classification. La lisibilité des résultats et la
réduction du cout d’échec total de la classification sont d’une importance cruciale pour
l’amélioration de la performance des classifieurs. Dans ce mémoire de magister, nous
proposons principalement deux approches de résolution à travers la description d’un modèle
d’optimisation métaheuristique baptisé ProSadm-HBA (ProSadm : Programmation d’un
Système d’Aide au Diagnostic Médical, en conjonction avec la métaheuristique HBA :
Homogeneity Based-Algorithm) et F-HBA ( Fuzzy Homogeneity Based-Algorithm). Nous
avons validé nos résultats expérimentaux sur des bases de données médicales connues : Pima
(Diabètes), TH (Troubles Hépatiques), AP (Appendicite). Les approches développées
permettent de minimiser le nombre total d’échecs de la classification (ProSadm-HBA) tout en
respectant la contrainte d’interprétabilité des classifieurs (F-HBA). Ces contributions peuvent
être d’un grand intérêt pour les experts dans le domaine médical.
Mots clés: Performances, Sur-Apprentissage, Sur-Généralisation, Métaheuristique, ProSadm,
ANFIS, HBA, Optimisation, Interprétabilité.
Abstract
Performance of a classification method is of great interest for choosing, comparing and
validation of classification algorithms. The transparency of results and the reduction of the total
misclassification cost are of vital importance as well as the improvement of the performance of
classifiers. In this magister report, we propose two solving approaches through the description
of a meta-heuristic optimization model denoted ProSadm-HBA (ProSadm in conjunction with
HBA: Homogeneity Based-Algorithm) and F-HBA ( Fuzzy Homogeneity Based-Algorithm)
.we validated our experimental results based on three well known medical datasets: PID (Pima
Indian Diabetes), LD (Liver Disorders) and AP (Appendicitis) . The developed approaches
allow minimizing the total number of misclassification cases (ProSadm-HBA) while respecting
the interpretability constraint of classifiers (F-HBA). These contributions can be of great
interest for experts in the medical field.
Keywords: Performance, Overfitting, Overgeneralization, Metaheuristic, ProSadm, ANFIS,
HBA, Optimization, Interpretability.
Meta-heuristic
ProSadm - HBA
Overfitting, Overgeneralization, Metaheuristic, ProSadm, ANFIS
HBA
(ProSadm-HBA)
(F-HBA)
(F-HBA)
iii

Table des matières
Remercîment…………………………………………………..………………………..
Dédicace ………………………………………………………………………………..
Résumé ……………………………………………………………………………….…
Table des matières………………………………………………………………………
Liste des tableaux………………………………………………………………………
Liste des figures …………………………………………………………………..……
Liste des algorithmes………………………………………………………………..….
Liste des abréviations…………………………………………………………………..
Introduction Générale…………………………………………………………………...
1- État de l’art……………………….…………………………………………………
Chapitre I : Généralités sur les métaheuristiques
I.1 Introduction ………………………………………………………..…………………
I.2 Théorie de complexité…………………………………………..…………………….
I.3 Optimisation………………………………………………………..…………………
I.3.1 Principes d’optimum…….….………………………………….………………
I.3.2 Problèmes de décision et problèmes d’optimisation……………….…………..
I.3.3 Optimisation combinatoire……………………………….……………….…..
I.3.4 Les différents problèmes d’optimisation…………..…………………………
I.3.5 Les différentes méthodes d’optimisation……………..……………………….
I.3.5.1 Méthodes exactes…………………………………………………………..
I.3.5.2 Méthodes approchées………………………………………………………
I.4 Heuristique et métaheuristique ……………………………………………………….
I.5 Intérêt de la métaheuristique…………………………………………………………
I.6 Principes du métaheuristique………………..……………………………………...
I.7 Utilisation d’une métaheuristique…………………………………………………..
I.8 Propriétés des métaheuristiques………………………………………………………
I.9 Principales métaheuristiques……………………………………….………………..
I.9.1 Métaheuristiques de trajectoire…………………………………………………
I.9.2 Métaheuristiques de population …………………..……………….…………..
I.9.2.1 Introduction…………………..……………….…………………………..
I.9.2.2 Algorithmes génétiques…………………..……………….………………
I.9.2.3 Stratégies d’évolution…………………..……………….…………………
I.9.2.4 Programmation évolutionniste…………………..……………….……….
I.10 Classification des métaheuristiques…………………………………………………
I.11 Exploitation vs Exploitation ………………………………………………………..
I.12 Frameworks et librairies pour les métaheuristiques………………………………..
I.13 Evaluation des métaheuristiques……………………………………………………
9
9
10
10
11
11
12
13
13
14
14
15
15
16
16
17
17
20
20
20
24
25
25
27
28
29
i
ii
iii
iv
viii
xi
xiv
xv
1
7
iv