Métaheuristiques pour l'extraction de connaissances: Application à la génomique - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2003

Metaheuristics for knowledge discovery : Application to genetic data

Métaheuristiques pour l'extraction de connaissances: Application à la génomique

Résumé

The work presented in this thesis deals with knowledge discovery with evolutionary algorithms and its application to real cases on genetic data. Firstly, we give a state of art of metaheuristics for knowledge discovery and in particular the use of genetic algorithms. We are particular interested in three fondamental aspects of metaheuristics: the representation of a solution, the fitness function and the choice of operators. Then, we introduce two cases of study that come from a collaboration with the Institute of Biology of Lille about the search for predisposition genetic factors for some multifactorial diseases (diabetes, obesity). We propose to model these problems as knowledge discovery tasks. Then, we modele the identified knowledge discovery tasks as optimization problems and we propose genetic algorithm scheme which has several advanced diversification and intensification mechanisms tasks. These mechanisms are tested separately to evaluate their improvements. We also integrate some knowledge of the biological domain in order to solve the problems under study. This integration is made while designing fitness functions and proposed mechanisms. Finally, some parallelism models are used.
Le travail présenté dans cette thèse traite de l'extraction de connaissances à l'aide de métaheuristiques et de ses applications à des problématiques en génomique. Dans un premier temps, nous donnons un état de l'art des métaheuristiques utilisées pour l'extraction de connaissances et plus particulièrement de l'utilisation des algorithmes génétiques en orientant notre présentation sur trois aspects fondamentaux des métaheuristiques : la représentation d'une solution, la fonction d'évaluation et le choix des opérateurs. Nous présentons ensuite deux problématiques issues d'une collaboration avec l'Institut de Biologie de Lille autour de la recherche de facteurs génétiques de prédisposition à certaines maladies multifactorielles (diabète de type II, obésité). Nous proposons une modélisation de ces problèmes en problèmes d'extraction de connaissances. Nous traitons ensuite les différentes taches d'extraction de connaissances identifiées comme des problèmes d'optimisation et proposons un schéma d'algorithme génétique possédant des mécanismes avancés d'intensification et de diversification pour les résoudre. Les apports de ces mécanismes sont testés modulairement afin de montrer leurs performances. Nous intégrons également des connaissances du domaine biologique afin de répondre aux problématiques posées. Cette intégration s'effectue aussi bien au niveau des fonctions d'évaluation proposées qu'au niveau de certains mécanismes utilisés. Enfin, différents modèles de parallélisme sont utilisés.
Fichier principal
Vignette du fichier
tel-00007983.pdf (1.96 Mo) Télécharger le fichier

Dates et versions

tel-00007983 , version 1 (10-01-2005)

Identifiants

  • HAL Id : tel-00007983 , version 1

Citer

Laetitia Jourdan. Métaheuristiques pour l'extraction de connaissances: Application à la génomique. Autre [cs.OH]. Université des Sciences et Technologie de Lille - Lille I, 2003. Français. ⟨NNT : ⟩. ⟨tel-00007983⟩
541 Consultations
2522 Téléchargements

Partager

Gmail Facebook X LinkedIn More