Jerry Lonlac - CRIL CNRS UMR 8188

Les motifs graduels qui capturent les corrélations d’ordre de la forme “plus/moins X, plus/moins Y” jouent un rôle primordial dans plusieurs applications du monde réel où le volume de données numériques à gérer est important, c’est le cas de données biologiques, ou de données médicales. La fouille de motifs graduels a pour but la découverte de co-variations simultanées fréquentes entre attributs numériques dans une base de données. Dans cet exposé, Je commencerai par dresser un état de l’art des approches existantes d’extraction de motifs graduels. Je présenterai ensuite une nouvelle approche permettant d’extraire ces motifs dans des bases de données dont les objets sont munis d’une contrainte d’ordre temporel. Je terminerai en montrant l’intérêt de l’approche proposée à travers des connaissances apportées par les motifs graduels fermés fréquents extraits des données paléoécologique.