Extraction de motifs graduels temporels flous

Les motifs graduels permettent de retrouver les corrélations entre attributs au moyen de règles telles que “plus l'entrainement sportif augmente, plus le stress physique diminue”. Cependant, un décalage dans le temps peut exister entre les modifications de certains attributs et leur impact sur d'autres. Les méthodes actuelles ne prennent pas cela en compte. Dans cet article, nous étendons les méthodes existantes pour gérer ces situations afin d'extraire des motifs tels que : “Plus l'entrainement augmente, plus le stress diminue 1 mois plus tard”. Nous étendons également nos motifs graduels pour inclure des contraintes temporelles floues telles que “Plus l'entrainement augmente, plus le stress diminue environ 1 mois plus tard”. Nous proposons trois algorithmes qui ont été implémentés et testés sur des données réelles.