Abstract FR:

En souhaitant etudier la phase de selection des cas dans un systeme de raisonnement a partir de cas, nous avons ete conduits a formaliser des mesures permettant de comparer des objets, decrits a l'aide d'attributs dont les valeurs sont floues. Comparer des objets est une tache courante dans differents domaines comme la classification ou le classement en statistiques, le raisonnement a partir de cas en intelligence artificielle, la categorisation en psychologie cognitive, le choix multi-critere en theorie de la decision, etc. L'analyse de diverses mesures de comparaison permet de degager des modes de comparaison et d'exhiber les proprietes qui correspondent a chaque mode. Nous montrons que l'on peut associer des familles de mesures a chaque type de comparaison: la famille des mesures de similitude, qui contiennent les mesures de satisfiabilite, d'inclusion et de ressemblance, et celle des mesures de dissimilarite, qui ne sont pas duales. Nous proposons donc un cadre gerant les mesures de comparaison afin de guider un choix ou une creation de mesure adaptee a chaque mode de comparaison. Ce cadre generalise le modele des contrastes (contrast model) de tversky (1977). La construction de prototypes et la classification a partir de prototypes sont des exemples ou la phase de comparaison d'objets est importante. Nous avons choisi ces domaines pour utiliser le cadre que nous avons elabore pour formaliser les mesures de comparaison. Nous construisons un prototype flou en determinant la valeur la plus typique pour chacun des attributs donnes. Pour cela, il faut savoir dans quelle mesure une valeur presente dans une base d'exemples est typique, ressemble aux valeurs apparaissant dans la meme classe et differe des valeurs apparaissant dans les autres classes. Le prototype ainsi construit n'est pas l'exemple le plus typique mais un objet synthetisant une classe, c'est un objet virtuel qui ne decrit pas forcement un objet qui existe. Les degres de typicalite et les prototypes nous sont utiles pour classer des objets dans des classes connues a priori. Les premiers servent de coefficients de ponderation dans les etapes de comparaison, les seconds de reference pour la classification. Les methodes que nous proposons ont ete implementees dans un programme denomme squaw et confrontees a un probleme medical reel. Les resultats satisfaisants que nous obtenons justifient nos methodes