Optimisation de la classification des données par la méta heuristique NPO (Nomadic People Optimizer)

Abstract

La sélection des attributs est un sujet de recherche très actif dans différents domaines tel quel’apprentissage artificiel, la fouille de données et l’analyse de données en bio-informatique. Cette recherche d’un sous ensemble d’attributs pertinents est un problème d’optimisation qui peut être résolu par les méta-heuristiques. Dans le cadre de ce mémoire de master, nous présentons une version binaire de la nouvelle methaheuristique NPO pour la sélection des attributs avant la réalisation de l’apprentissage non-supervisé par l’algorithme k means. La méthode NPO est inspirée du comportement social et du mouvement des nomades à la recherche de sources de nourriture dans le désert Les performances de l’approche proposée ont été évaluées sur deux jeux de données concernant les crédits bancaires. Les résultats obtenus indiquent que la méthode proposé est en concurrence avec les autres méthodes existantes