Un nouvel algorithme d’extraction des motifs graduels appelé Sgrite Extraction des motifs graduels

Tayou Djamégni Clémentin * ** — Tabueu Fotso Laurent** —
Kenmogne Edith Belise**
* Département de Génie Informatique, UIT-FV
** Département de Mathématiques-Informatique, FS
Université de Dschang, Cameroun

RÉSUMÉ. L’extraction des motifs graduels est un problème important en informatique et largement étudié par la communauté scientifique de fouille de données. Les motifs graduels traduisent des co-variations récurrentes entre les attributs d’une base de données. Plusieurs applications issues de nombreux domaines, tels que l’économie, la santé, l’éducation, le commerce, la bio-informatique, l’astronomie ou le web mining, reposent sur l’extraction des motifs graduels. Les algorithmes de découverte des motifs dans des grandes bases de données sont gourmands en temps CPU et en espace mémoire. Ceci pose clairement le problème d’amélioration des performances de ces algorithmes.
Ce papier présente une technique d’amélioration des performances des algorithmes d’extraction des motifs graduels. L’exploitation de cette technique débouche sur un nouvel algorithme plus performant appelé Sgrite. Les expérimentations effectuées confirment l’intérêt de la technique proposée.

ABSTRACT. The extraction of frequent gradual pattern is an important problem in computer science and largely studied by the scientist’s community of research in data mining. A frequent gradual pattern translates a recurrent covariation between the attributes of a database. Many applications issues from many domains, such as economy, health, education, market, bio-informatics, astronomy or web
mining, are based on the extraction of frequent gradual patterns. Algorithms to extract frequent gradual patterns in the large databases are greedy in CPU time and memory space. This raises the problem of improving the performances of these algorithms. This paper presents a technique for improving the performance of frequent gradual pattern extraction algorithms. The exploitation of this technique leads to a new, more efficient algorithm called Sgrite. The experiments carried out confirm the interest of the proposed technique.

MOTS-CLÉS : Motif graduel, extraction de connaissances, optimisation,support graduel, matrice d’adjacence

KEYWORDS : Gradual pattern, knowledge extraction, optimization, gradual support, adjacency matrix

Video short presentation