Un ensemble classificateur pour la classification de données dynamiques. Application à un problème de qualité d'air intérieur

Philippe Thomas (1) , William Derigent (1) , Marie-Christine Suhner (1)

1 CRAN - Centre de Recherche en Automatique de Nancy

La qualité de l'air intérieur a un impact déterminant sur l'exposition des personnes à des polluants dans le monde moderne du fait que les populations passent beaucoup de leur temps dans différents environnements intérieurs. La société Anaximen développe un objet connecté, appelé Alima, qui mesure toutes les minutes plusieurs paramètres relatifs à la qualité de l'air : température, humidité, concentrations de COV, CO2, formaldéhyde et particules fines (pm). Au-delà de cet aspect de collecte de mesures, Alima inclut des outils d'analyse de données ayant pour but de déterminer les situations d'usages de l'habitation (présence, cuisine, ménage…) afin d'être capable de fournir des conseils à l'utilisateur dans le but d'améliorer cette qualité de l'air. Ce problème est un problème de classification de données dynamiques, et dans cet article, deux outils (réseaux de neurones et arbres de décision) sont testés et comparés pour réaliser cette tâche. Afin d'améliorer les performances du classificateur, les ensembles classificateurs sont également étudiés.

Mots clés: Qualité de l'air intérieur; réseaux de neurones; arbres de décision; classification; ensemble classificateur

Domaines: Réseau de neurones [cs.NE]

Philippe Thomas, William Derigent, Marie-Christine Suhner. Un ensemble classificateur pour la classification de données dynamiques. Application à un problème de qualité d'air intérieur. 10ème Conférence Francophone de Modélisation, Optimisation et Simulation, MOSIM'14, Nov 2014, Nancy, France. ⟨hal-01086856⟩