Philippe LENCA

Philippe LENCA


Responsable de département
Dépt. Logique des Usages, Sciences Sociales et de l'Information

Téléphone : 02 29 00 11 75
Télécopie : 02 29 00 10 30
Courriel : philippe.lenca@imt-atlantique.fr
TELECOM Bretagne
Vue aérienne

Projets de recherche


Mes projets de recherche portent principalement sur l'assistance au(x) décideur(s). Ils se fondent essentiellement sur les règles de décision que les décideurs mettent ou peuvent mettre en oeuvre. Ainsi je m'intéresse à l'extraction, la validation et gestion de règles de décision.
 

Aide à la décision par apprentissage de bases de règles

 

  • Etude de modèles cognitifs de la prise de décision au niveau individuel, particulièrement pour des décideurs experts.
  • Développement d'algorithmes compatibles avec les modèles individuels sous diverses contraintes (fonctionnement intrusif ou non particulièrement).
  • Exploitation de ces modèles aux niveaux individuels en offrant un miroir de l'expertise du décideur.
  • Fusion et méthodes d'exploitation des bases de règles individuelles, étude des flux d'informations entre décideurs pour une convergence de la décision, pour une aide aux groupes de décideurs, particulièrement les petits groupes de décideurs coopératifs pour une prise de décision en assemblée ou de façon distribuée.

Extraction de connaissances à partir de données

 

  • Etude de la notion d'intérêt en fouille de données, pour la post-sélection des règles à partir, particulièrement, de mesures objectives en prenant en compte des dimensions subjectives (étude des propriétés souhaitées des mesures tant du point de vue statistique que du point de vue de l'utilisateur).
  • Etude des propriétés analytiques et algorithmiques des mesures d'intérêt afin de développer des stratégies d'élagage efficaces en temps de calcul tout en découvrant des règles pertinentes (sans avoir recours au support notamment).
  • Algorithmique pour la recherche de patterns fréquents, périodiques, séquentiels.
  • Classification des mesures, formellement et expérimentalement (développement de la plateforme HERBS).
  • Aide à la décision pour la sélection des bonnes règles, particulièrement des règles d'association, par la sélection des bonnes mesures ou l'agrégation des valeurs prises par les mesures.
  • Généralisation de mesures objectives (descriptives et statistiques) de la qualité des règles d'association.
  • Proposition d'un fonction entropique générale et paramétrisable (pouvant notamment prendre son maximum en un point quelconque et non plus à l'équi-répartition des classes). Application de cette entropie  décentrée au cas de l'apprentissage supervisé de classes déséquilibrées, particulièrement pour l'induction d'arbres de décision en proposant une stratégie adaptative (à la distribution des classes dans chaque noeud).  De nombreuses expériences avec l'algorithme C4.5 montrent que cette stratégie est très efficace.
  • Algorithmes hybrides pour la classification, notamment les arbres obliques (fondés sur une structure d'arbres de décision où des SVM remplacent les fonctions de split usuelles).  Nous étudions également les méthodes ensemblistes (random-forest, bootstrap). et proposons les Random-Forest of Oblique Decision Trees. Application des RF-ODT aux données en grandes dimensions.

Principales collaborations

 

Technopôle Brest-Iroise - CS 83818 - 29238 Brest Cedex 3 - France
Tél : 33 (0)2 29 00 11 11 - Fax : 33 (0)2 29 00 10 00