Métaheuristiques pour l'extraction de connaissances : application à la génomique Optimisation combinatoire Algorithmes génétiques Classification automatique (statistique) Maladies -- Facteurs de risque -- Modèles mathématiques Génome humain -- Modèles mathématiques Systèmes adaptatifs Programmation heuristique Extraction de connaissances Fouille de données 006.33 Le travail présenté dans cette thèse traite de l'extraction de connaissances à l'aide de métaheuristiques et de ses applications à des problématiques en génomique. Dans un premier temps, nous donnons un état de l'art des métaheuristiques utilisées pour l'extraction de connaissances et plus particulièrement de l'utilisation des algorithmes génétiques en orientant notre présentation sur trois aspects fondamentaux des métaheuristiques : la représentation d'une solution, la fonction d'évaluation et le choix des opérateurs. Nous présentons ensuite deux problématiques issues d'une collaboration avec l'Institut de Biologie de Lille autour de la recherche de facteurs génétiques de prédisposition à certaines maladies multifactorielles (diabète de type II, obésité). Nous proposons une modélisation de ces problèmes en problèmes d'extraction de connaissances. Nous traitons ensuite les différentes tâches d'extraction de connaissances identifiées comme des problèmes d'optimisation et proposons un schéma d'algorithme génétique possédant des mécanismes avancés d'intensification et de diversification pour les résoudre. Les apports de ces mécanismes sont testés modulairement afin de montrer leurs performances. Nous intégrons également des connaissances du domaine biologique afin de répondre aux problématiques posées. Cette intégration s'effectue aussi bien au niveau des fonctions d'évaluation proposées qu'au niveau de certains mécanismes utilisés. Enfin, différents modèles de parallélisme sont utilisés. Text Electronic Thesis or Dissertation FR application/pdf 1 : 2613652 https://pepite-depot.univ-lille.fr/LIBRE/Th_Num/2003/50376-2003-239-240.pdf Jourdan Laetitia. 2003-01-01 Informatique Université Lille1 - Sciences et Technologies thesis.degree.grantor_1 026404184 Doctorat non oui Talbi El-Ghazali Dhaenens Clarisse Université Lille1 - Sciences et Technologies PDF ASCII 2613652