L’analyse relationnelle de concepts pour la fouille de données temporelles – Application à l’étude de données hydroécologiques

Cristina Nica (1) , Agnès Braud (1) , Xavier Dolques (1) , Marianne Huchard (2) , Florence Le Ber (3, 1)

1 ICube - Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie
2 MAREL - Models And Reuse Engineering, Languages
3 ENGEES - École Nationale du Génie de l'Eau et de l'Environnement de Strasbourg

Cet article présente une méthode d'exploration de données temporelles, fondée sur l'analyse relationnelle de concepts (ARC) et appliquée à des données séquentielles construites à partir d'échantillons physico-chimiques et biologiques prélevés dans des cours d'eau. Notre but est de mettre au jour des sous-séquences pertinentes et hiérarchisées, associant les deux types de paramètres. Pour faciliter la lecture, ces sous-séquences sont représentées sous la forme de motifs partiellement ordonnés (po-motifs). Le processus de fouille de données se décompose en plusieurs étapes : construction d'un modèle temporel ad hoc et mise en oeuvre de l'ARC ; extraction des sous-séquences synthétisées sous la forme de po-motifs ; sélection des po-motifs intéressants grâce à une mesure exploitant la distribution des extensions de concepts. Le processus a été testé sur un jeu de données réelles et évalué quantitativement et qualitativement.

Domaines: Intelligence artificielle [cs.AI]

Cristina Nica, Agnès Braud, Xavier Dolques, Marianne Huchard, Florence Le Ber. L’analyse relationnelle de concepts pour la fouille de données temporelles – Application à l’étude de données hydroécologiques. EGC: Extraction et Gestion des Connaissances, Jan 2016, Reims, France. pp.267-278. ⟨hal-01265294⟩