Fouilles de données complexes : avancées récentes
Revue des nouvelles technologies de l'information - RNTI - E-18
Omar Boussaid, Pierre Gançarski, Brigitte Trousse, Collectif RNTI - Collection RNTI
Résumé
Le nouveau défi de la fouille est de prendre en compte simultanément la totalité des données disponibles sur une entité. Dès lors, une question émerge : comment combiner des informations de nature différente et les rattacher à une même unité sémantique ? De fait les données complexes possèdent des spécificités qui doivent être prises en compte pour proposer des stratégies de data mining efficaces sur des objets correspondant chacun à un ensemble de données de nature différente. Outre le cas classique de descripteurs numériques ou catégoriels, on a notamment le cas de données texte, image ou audio vidéo ; évolutives et distribuées fortement liées à des connaissances externes : la fouille intelligente des données s'appuie sur la prise en compte des connaissances externes, dites du domaine, celle-ci pouvant se faire par le biais d'une ontologie.
En 2007, suite au travaux du Groupe de travail Fouille de Données complexes au sein de l'Association Extraction et Gestion des Connaissance dont un des buts est de fédérer des chercheurs en fouille de données confrontés aux limites des approches et des outils classiques, un premier recueil d'articles sur la fouille de données complexes a permis d'aborder des problèmes liés entre autres à la fouille des images ou de textes. Ce premier recueil visait à catalyser les échanges entre les différents chercheurs avec l'objectif :
- d'identifier et de définir ce qu'est la fouille de données complexes,
- de recenser les verrous à la fois méthodologiques et technologiques,
- de proposer des approches et des outils informatiques,
- d'expérimenter ces résultats dans des domaines comme la santé.
Devant le succès de ce premier tome, nous proposons ici une nouvelle réunion de contributions qui devraient permettre de nouveaux croisements entre des chercheurs couvrant des domaines différents de la fouille de données complexes.
L'auteur - Omar Boussaid
Autres livres de Omar Boussaid
L'auteur - Collectif RNTI
Autres livres de Collectif RNTI
Sommaire
- Segmentation de données de type intervalle, diagramme et taxonomique
- Association pour le suivi d'objets dans le cadre des fonctions de croyance, appliquée aux véhicules intelligents. Association pour le suivi d'objets dans le cadre des fonctions
- Une approche basée sur la qualité pour faciliter l'intégration de modèles de cubes de données spatiales
- Aide au diagnostic de pannes guidée par l'extraction de motifs séquentiels
- Extraction de comportements inattendus dans le cadre du Web Usage Mining
- L'Analyse Formelle de Concepts au service de la construction et l'enrichissement d'une ontologie
- Classification automatique de documents bruités à faible contenu textuel
Caractéristiques techniques
PAPIER | |
Éditeur(s) | Cépaduès |
Auteur(s) | Omar Boussaid, Pierre Gançarski, Brigitte Trousse, Collectif RNTI |
Collection | RNTI |
Parution | 02/02/2010 |
Nb. de pages | 188 |
Format | 16 x 24 |
Couverture | Broché |
Poids | 310g |
Intérieur | Noir et Blanc |
EAN13 | 9782854289176 |
ISBN13 | 978-2-85428-917-6 |
Avantages Eyrolles.com
Consultez aussi
- Les meilleures ventes en Graphisme & Photo
- Les meilleures ventes en Informatique
- Les meilleures ventes en Construction
- Les meilleures ventes en Entreprise & Droit
- Les meilleures ventes en Sciences
- Les meilleures ventes en Littérature
- Les meilleures ventes en Arts & Loisirs
- Les meilleures ventes en Vie pratique
- Les meilleures ventes en Voyage et Tourisme
- Les meilleures ventes en BD et Jeunesse
- Informatique Bases de données
- Informatique Informatique d'entreprise Data warehouse et data mining
- Sciences Mathématiques Mathématiques par matières Analyse Analyse numérique
- Sciences Mathématiques Mathématiques appliquées Mathématiques pour les sciences de la vie Biostatistiques
- Sciences Mathématiques Mathématiques appliquées Méthodes numériques
- Sciences Mathématiques Mathématiques appliquées Statistiques Analyse de données