M ’E S R

MINISTÈRE DE L’ENSEIGNEMENT SUPÉRIEUR
ET DE LA RECHERCHE SCIENTIFIQUE
UNIVERSITÉ ABOU BEKR BELKAID
FACULTÉ DE TECHNOLOGIE
DÉPARTEMENT GÉNIE ÉLECTRIQUE ET ÉLECTRONIQUE
MÉMOIRE
pour obtenir le grade de
MAGISTER EN ÉLECTRONIQUE BIOMÉDICALE
présenté et soutenu publiquement
par
Settouti Nesma
le 28 Juin 2011
Titre:
Renforcement de l’Apprentissage
Structurel pour la Reconnaissance du
Diabète
Jury
Président du jury. Pr. Bereksi Reguig Fethi, UABB Tlemcen
Examinateurs. Dr. Hadj Slimane Zine Eddine, MCA UABB Tlemcen
. Dr. Bechar Hacène, MAA UABB Tlemcen
Invités d’honneur. Pr. Alexandre Aussem, UCB Lyon1
. Dr. Haytham Elghazel, MC UCB Lyon1
Directeur de mémoire. Dr. Chikh Mohamed Amine, MCA UABB Tlemcen

Je dédie ce travail à :
Mes grands parents,
Mes parents,
Toute ma famille,
Mes amis,
Qu’ils trouvent ici l’expression de toute ma reconnaissance.

Remerciements
D’abord, j’adresse mes vifs remerciements à Mr CHIKH M.A, maitre de conférences
à l’université de Tlemcen, en tant que Directeur de mémoire, qui s’est toujours montré à
l’écoute et disponible tout au long de la réalisation de ce travail malgré ses charges admi-
nistratives et pédagogiques, et surtout pour sa patience et ses judicieux conseils.
Ensuite, je désire adresser mes sincères remerciements à Mr BEREKSI-REGUIG F,
Professeur à l’Université de Tlemcen, directeur du laboratoire Génie biomédical. Son sa-
voir, sa méthodologie et son expérience m’ont beaucoup aidé. Et je tiens à lui témoigner
toute ma gratitude pour la réussite de cette formation de Magister. Merci d’avoir accepté
de présider ce jury.
Je tiens à remercier Mr HADJ SLIMANE Z.E, maitre de conférences à l’université
de Tlemcen, pour l’intérêt porté à ce travail et sa présence parmi les membres du jury.
Mes remerciements à Mr BECHAR H, maitre de conférences à l’université de Tlem-
cen, qui a participé à l’examen de ce travail.
Je souhaite la bienvenue à nos convives : Professeur Alexandre AUSSEM, Dr Hay-
them ELGHAZEL, de l’Université Claude Bernard Lyon1, et les remercie de leur hono-
rable présence.

Résumé
L’intelligibilité représente la force motrice la plus importante derrière la mise
en œuvre des classifieurs à base flous pour les problèmes d’application médi-
cale. L’expert devrait être capable de comprendre le classifieur et d’évaluer ses
résultats. Les modèles à base de règles floues sont particulièrement adaptés, car
ils sont constitués de simples règles linguistiques interprétables. Dans la littéra-
ture, la majorité des algorithmes basés sur un système d’inférence neuro-flous
adaptatifs (ANFIS) ne fournissent pas suffisamment d’explications sur la façon
d’obtenir les résultats d’inférence. Ce mémoire de Magister traite la possibilité
d’augmenter l’interprétabilité du classifieur ANFIS avec l’apport de la méthode
de clustering Fuzzy C-Means . Il montre comment un classifieur neuro-flou in-
terprétable peut être obtenu par un processus d’apprentissage et comment les
règles floues extraites peuvent améliorer son interprétation. Les résultats expéri-
mentaux appliqués sur la base de données du diabète (UCI Machine Learning)
montrent de fortes similitudes avec les règles appliquées par les experts. Les ré-
sultats sont comparés à d’autres travaux dans la littérature. L’approche proposée
est simple et efficace pour clarifier la décision finale du classifieur, tout en préser-
vant sa précision à un niveau satisfaisant.
Mots clés
Classification interpretable ; Règles floues ; FCM ; Neuro-Flou ; Base de données
du dépôt UCI Machine Learning.
ii