Classification supervisée de données à l'aide de règles implicatives

Cet article présente une approche d'apprentissage de règles graduelles dans le contexte de la classification supervis ée de données. Les règles graduelles sont adaptées à l'expression de contraintes entre grandeurs numériques. Elles sont ici exploitées pour contraindre la forme des classes modélisées. Plus précisément, il est proposé de représenter des classes convexes de forme polygonale par une collection de règles de classification dans lesquelles les prémisses de règles s'expriment sous la forme de dépendances graduelles. The work in this paper deals with the learning of gradual rules in the framework of data classification. Gradual rules are well suited to express constraints between numerical quantities. They are here used to constrain the shape of classes to be modeled. More precisely, it is proposed to represent convex polygon-shaped classes by means of “If-Then” classification gradual rules.