Système multi-agents pour la classification dynamique floue de données multimodales et évolutives

Abstract

Dans cette étude nous présentons une nouvelle approche pour la classification dynamique floue de données non-stationnaires et multimodales, basée sur une architecture multi-agents. Cette approche est adaptative à l’évolution des classes et de données, dans le but d’optimiser l’affectation des entités provenant de sources hétérogènes aux classes, et à renforcer le mécanisme de la classification incrémentale ainsi la détermination des cas de création de nouvelles classes. Nous proposons une approche de classification coopérative conçue avec divers niveaux de traitement de données, elle commence par une phase de collecte et de modélisation des différentes données, suivie par leur classification selon les deux méthodes supervisée et non-supervisée, et elle termine par un ensemble de processus d’interprétations et de fusion des résultats de classifications. Cette approche va permettre aux agents classificateurs de collaborer dans la prise des décisions finales. Elle a été implémentée sur la plateforme JADE, où chaque démarche sera assurée par des agents spécialisés collaborant et communiquant entre eux.