Learning possibilistic graphical models from data
Apprentissage de modèles graphiques possibilistes à partir de données
Résumé
This work fits within the framework of learning possibilistic networks, the possibilistic counterpart of Bayesian networks, which represent
an interesting combination between possibility theory and graphical models. This thesis presents two major contributions. The first one
consists on proposing a validation strategy for possibilistic networks learning algorithms. This strategy proposes a sampling process to
generate imprecise datasets from theses models and two new evaluation measures. Our second contribution consists on proposing a global approach to learn the structure and the parameters of possibilistic networks. We propose a possibilistic likelihood function to learn possibilistic networks parameters and to define a new score function used to learn the structure of these models. A detailed experimental study showing the feasibility and the efficiency of the proposed methods has been also proposed.
Ce travail s’intègre dans le cadre de l’apprentissage automatique
des réseaux possibilistes, la contrepartie possibiliste des réseaux
bayésiens qui représentent une combinaison intéressante entre la
théorie des possibilités et les modèles graphiques. Cette thèse
présente deux contributions majeures. La première contribution
consiste à proposer une stratégie de validation pour les algorithmes
d’apprentissage des réseaux possibilistes. Cette stratégie propose
un processus d’échantillonnage permettant de générer des
ensembles de données imprécises à partir de ces modèles et deux
nouvelles mesures d’évaluation. Notre deuxième contribution
consiste à proposer une approche globale pour l’apprentissage des
paramètres et de la structure des réseaux possibilistes. Nous
proposons une fonction de vraisemblance possibiliste pour
apprendre les paramètres les réseaux possibilistes et définir une
nouvelle fonction de score pour apprendre la structure de ces
modèles. Une étude expérimentale détaillée montrant la faisabilité
et l’efficacité des méthodes proposées a été aussi proposée.