Ce travail introduit une nouvelle distance univariée qui tient compte de la partition floue de la variable. Celle-ci correspond à la distance euclidienne pour le cas de partitions triangulaires régulières. This work introduces a new univariate distance function which takes into account the fuzzy partition of the variable. It corresponds to the Euclidean distance for regular partitions made of triangular membership functions.
S'il existe de nombreuses méthodes permettant d'intégrer l'information concernant la fiabilité des sources et des données à des modèles d'incertitudes, il existe nettement moins de travaux s'intéressant au problème d'évaluer cette fiabilité. Dans ce papier, nous proposons une méthode permettant d'estimer cette fiabilit é, basée sur un ensemble de critères d'évaluation et sur la théorie de l'évidence. L'exemple choisi est tiré d'un cas réel issu de l'application Sym'Previus, entrepˆot de données en microbiologie prévisionnelle. There are many available methods to integrate data or information source reliability in an uncertainty representation, but there are only a few works focusing on the problem of evaluating this reliability. In this paper, we propose a method to assess data reliability froma set of criteria by the means of evidence theory. The chosen illustrative example comes from real-world data issued from the Sym'Previus predictive microbiology oriented data warehouse.
Ce travail présente une séquence robuste d'optimisation des paramètres d'un système d'inférence floue. Chacune des étapes permet d'optimiser un ensemble de paramètres interdépendants, suivant des critères de performance numérique mais aussi de couverture. La structure du système n'est pas modifiée par la procédure et des contraintes sont imposées pour garantir son interpr étabilité. Dix couples apprentissage-test sont générés pour chaque jeu de données et les systèmes optimisés suivant chacun des sous-échantillons sont agrégés en un système final. L'ensemble des procédures est implémenté dans le logiciel libre FisPro. This work proposes a robust parameter optimization sequence for fuzzy inference systems. Each step allows for optimizing a set of interrelated parameters according to various criteria such as numerical accuracy and coverage. The fuzzy inference system structure is preserved and constraints are imposed to respect the fuzzy partition semantics. A ten-fold sub-sampling validation is also proposed for each of the datasets and all the systems optimized according to the sub-samples are aggregated in a final system. All the procedures are implemented in the FisPro open source software.