Méthode de Sélection d'Attributs pour la Classification basée sur la Métaheuristique des Lucioles

Abstract

Le travail de recherche présenté dans ce mémoire se situe dans le domaine de datamining pour la classification et plus précisément, celui de la sélection d’attributs et porte sur la contribution à la création d’une nouvelle méthode de sélection afin de réduire la taille des données d’apprentissage en choisissant les attributs pertinents et non redondants avant la réalisation de l’apprentissage supervisé pour la classification. L’objectif de la sélection d’attributs est d’améliorer la qualité de l’apprentissage supervisé du classifieur utilisé dans le but de créer des modèles de prédiction de haute performance permettant de prédire correctement la classe de nouveaux exemples. Nous nous sommes intéressés en particulier à l’étude et la mise en oeuvre de la nouvelle méthode de sélection d’attributs FA-SVM basé sur l’algorithme de luciole qui est une méta heuristique récente bio-inspiré issue de l’intelligence en essaim. En plus cette méthode utilise le classifieur de type SVM pour la classification.