Abstract FR:

Pour faciliter la mise au point de systèmes de reconnaissance de formes, nous proposons une méthodologie de classification visant à réunir un ensemble de propriétés rarement satisfaites dans une même approche : performances, généricité, fiabilité, robustesse, compacité et interprétabilité. Ce dernier point permet au concepteur d'adapter, de maintenir et d'optimiser le système plus facilement. L’approche proposée, centrée sur la notion de connaissances dans un classifieur, est entièrement guidée par les données. L’originalité réside notamment dans l’exploitation conjointe de connaissances intrinsèques et discriminantes extraites automatiquement et organisées sur deux niveaux pour bénéficier au mieux de leur complémentarité : le premier modélise les classes par des prototypes flous et le second effectue une discrimination des formes similaires par des arbres de décision flous. L’ensemble est formalisé par des systèmes d'inférence floue qui sont combinés pour la classification.