Abstract FR:

Avec l'avenement des systemes d'informations geographiques, la combinaison des donnees multisources devient de plus en plus importante. Les methodes classiques permettant cette combinaison sont mal adaptees; pour surpasser ces limites, on utilise les techniques offertes par la theorie des croyances (regle orthogonale de dempster). L'estimation de l'incertain pour un point donne de l'image est calculee a partir des mesures donnees par la source elle-meme concernant l'appartenance du point aux differentes classes. Cette combinaison est realisee dans une deuxieme etape a l'aide d'un reseau de neurones artificiel dont les entrees correspondent a la representation d'un point de l'image dans un espace multidimensionnel, et les sorties correspondent aux classes recherchees. Dans une derniere etape, on utilise un systeme neuro-flou pour interpreter les images; le systeme realise d'une part une classification a l'aide des reseaux de neurones n'utilisant que les donnees numeriques (images), et d'autre part, une seconde classification a l'aide des reseaux neuro-flous utilisant ces connaissances symboliques sur les classes. Les deux parties du systeme sont considerees comme deux sources produisant des informations concernant un meme objet. La combinaison de ces informations est realisee a l'aide d'algorithmes de combinaison d'informations multisources incertaines. Le systeme neuro-flou a ete aussi utilise pour produire a partir d'une connaissance symbolique d'un probleme reel, une carte de decision ou de priorites pour la resolution de ce probleme