Handling Fuzzy Gaps in Sequential Patterns
Motifs séquentiels et écarts flous
Résumé
Fouiller des données numériques pour découvrir de nouvelles connaissances est une tâche non triviale très étudiée depuis quelques années. Dans notre travail, nous nous intéressons à des données numériques qui peuvent être issues par exemple de biotechnologies comme les puces ADN. Elles permettent aux biologistes de découvrir de nouvelles corrélations de gènes pour mieux comprendre certaines maladies comme le cancer. Dans ce contexte, des motifs séquentiels du type <(Gene1 Gene5)(Gene2)> ont été découverts signifiant que les gènes Gene1 et Gene5 ont le même niveau d'expression alors que le gène Gene2 a une expression plus élevée. Cependant il est difficile de mesurer les écarts entre les éléments de la base de données. Nous proposons donc, dans cet article, d'utiliser une partition floue fournie par les experts pour définir des motifs pouvant servir à caractériser plus finement ces écarts.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...