Résumé de séminaire

Résumé :

Devant l'accroissement des volumes de données à traiter, les entrepôts de données se sont développés afin de fournir aux décideurs des systèmes dédiés à l'analyse des données. Les systèmes opérationnels, utilisés pour les applications transactionnelles (OLTP - On-Line Transaction Processing), se sont vite révélés inadaptés pour les environnements décisionnels. Les bases de données multidimensionnelles ont donc émergé pour répondre aux besoins spécifiques d'analyse multidimensionnelle en ligne (OLAP - On-Line Analytical Processing).

Cependant, les données issues du monde réel sont souvent entachées d'imperfection et les requêtes que les utilisateurs souhaitent poser sont souvent vagues. La théorie des sous-ensembles flous permet d'améliorer les systèmes d'information, notamment pour l'interprétation qualitative de données quantitatives (numériques). Les informations présentées à l'utilisateur (sous forme de règles par exemple) sont plus compréhensibles et se généralisent mieux. Le but de notre travail est donc de définir un cadre formel pour la mise en oeuvre de systèmes de fouille de données floues avec des outils OLAP.

Une extension du modèle multidimensionnel pour le traitement de données imparfaitement connues et de requêtes flexibles est proposée. Ce modèle étendu est intégré dans une architecture comprenant des outils de fouille de données floues. En particulier, nous introduisons un système pour la construction d'arbres de décision flous et la génération automatique de résumés linguistiques à partir de bases de données multidimensionnelles floues, utilisées comme support de fouille de données. Nous étudions également le problème des cellules vides, sous ses aspects sémantiques, pour la recherche d'anomalies.

Mots-clés : bases de données multidimensionnelles, OLAP, fouille de données, logique floue, résumés flous.

Références :

Home page : http://www.cmi.univ-mrs.fr/~alaurent