Fouille de données dynamique basée sur la stabilité des modèles dynamiques

Abstract

Le présent travail présente une nouvelle approche basée sur l'utilisation de modèles dynamiques stables pour la fouille de données dynamique. La fouille de données est une technique essentielle dans le processus d'extraction de connaissances à partir de données. Cela nous permet de modéliser les connaissances extraites à l'aide d'un formalisme ou d'une technique de modélisation. Cependant, les données nécessaires à l'extraction des connaissances sont collectées à l'avance et leur collecte peut prendre beaucoup de temps. Notre objectif est donc de nous orienter vers une solution basée sur la modélisation de systèmes utilisant des modèles dynamiques et d’étudier leur stabilité. Les modèles dynamiques stables nous fournissent une base pour la fouille de données dynamique. Afin d'atteindre cet objectif, nous proposons une approche basée sur des modèles à base d'agents, le concept de points fixes et la méthode de Monte-Carlo. Les modèles basés sur des agents peuvent représenter des modèles dynamiques qui reflètent ou simulent un système dynamique, où un tel modèle peut être considéré comme une source de données (générateurs de données). Dans ce travail, le concept de points fixes a été utilisé afin de représenter les états stables du modèle à base d'agents. Enfin, la méthode de Monte-Carlo, qui est une méthode probabiliste, a été utilisée pour estimer certaines valeurs, en utilisant un très grand nombre d'expériences ou d'exécutions. Comme étude de cas, nous avons choisi le système d’évacuation d’un supermarché (ou d’un bâtiment) en cas de danger, par exemple un incendie. Ce système complexe comprend principalement les divers éléments constitutifs du bâtiment, tels que des rangées d'étagères, des portes d'entrée et de sortie, des extincteurs, etc. De plus, ces bâtiments sont souvent remplis de personnes de différentes catégories (âge, santé, etc.). L’utilisation de la méthode de Monte-Carlo nous a permis d’expérimenter plusieurs scénarios, ce qui nous a permis de disposer de davantage de données pour étudier ce système et en extraire certaines connaissances. Ces connaissances nous permettent de prévoir la situation future concernant le système d’évacuation du bâtiment et d’anticiper des améliorations de sa structure, afin de rendre ces bâtiments plus sûrs et d’éviter le plus grand nombre de victimes.