Fusion de réseaux causaux possibilistes

Fusion of possibilistic causal networks

• Auteur / Autrice : Faiza Titouna
• Direction : Salem Benferhat, Mohamed Tayeb Laskri
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2009
• Etablissement(s) : Artois en cotutelle avec Université Badji Mokhtar-Annaba

Mots clés

Mots clés contrôlés

Fusion multicapteurs

Possibilités, Théorie des

Statistique bayésienne

Résumé

Dans cette thèse, nous présentons le concept de fusion de données appliqué aux réseaux causaux dans le cadre de la théorie des possibilités. Cet ouvrage est divisé en deux principales parties. La première présente un état de l’art des réseaux causaux probabilistes et possibilistes. Une adaptation possibiliste des algorithmes d’inférence exacte dans le cadre probabiliste est explicitée. La deuxième partie est dédiée à la fusion d’informations incertaines. Nous avons présenté d’abord une étude détaillée sur les modes de combinaison ensuite nous avons proposé une nouvelle approche de fusion quantitative. Elle consiste à fusionner des réseaux possibilistes de structures graphiques identiques, différentes ou cycliques. Le problème de sous-normalisation, causé par le conflit et l’incohérence des informations, est traité d’une manière approfondie. Finalement, nous avons montré comment ces méthodes se comportent dans différents types de graphes en évaluant le temps de calcul des algorithmes proposés. En effet, les méthodes de fusion proposées sont réalisées en temps polynômial. La méthode de normalisation s’adapte bien aux graphes de structures arborescentes.

In this thesis, we present the concept of fusion applied to causal networks in the framework of possibility theory. This work is divided in two main parts. The first one presents an art state of probabilistic and possibilistic causal networks. A possibilistic adaptation of probabilistic algorithms of exact inference is explicited. The second part is dedicated to uncertain data fusion. First, we have presented a detailed study of the combination modes, then we have proposed a new approach of quantitative fusion. It consists to merge possibilistic networks where graphical structures are identical, different or cyclic. The problem of subnormalized due to conflict and incompatibility of information is thoroughly treated. Finally, we have showed the behaviour of the methods in different kinds of graphs by estimating the computing time of proposed algorithms. Indeed, the proposed methods of fusion are curried out in polynomial time. The normalization method applied in trees gives interesting results.