Sciences & Technologie
Volume 0, Numéro 19, Pages 13-19
2003-06-30
Auteurs : Seridi H . Akdag H . Meddour A .
Nous présentons un système expert de classification automatique supervisé basé sur une approche symbolique. Ce dernier est constitué de deux sous-systèmes. Le premier sous-système génère automatiquement les règles de production à partir d'un ensemble d'apprentissage; les règles générées sont pondérées par un degré de croyance symbolique qui caractérise leurs classes d'appartenances. Le deuxième est le système d'inférence qui reçoit en entrée la base de règles et l'objet à classer; ensuite, à l'aide du raisonnement classique (le Modus Ponens) il fournit la classe d'appartenance de cet objet avec un certain degré de croyance symbolique. Les méthodes d'évaluation du degré de croyance sont nombreuses, mais souvent entachées d'incertitudes. Pour apprécier les performances de notre approche symbolique, nous avons effectué des tests sur deux images: la cryosection de la cuisse humaine et de la texture.
Incertitude qualitative, systèmes experts, probabilité symbolique, représentation des connaissances, logique multivaluée
Abid A.
.
Zouhri A.
.
Sennoune M.
.
pages 165-171.
Remmache Kamel
.
pages 50-68.
K. Nehal
.
pages 57-66.
Kafi Farida
.
Akli Zakia
.
pages 755-775.
Sansri Sara
.
Cheurfa Hakima
.
pages 783-797.