Méthodes basées sur les ensembles flous en classification et diagnostic

Cet article présente une vue d'ensemble de l'apport des méthodes utilisant les ensembles flous dans les problèmes de classification et de diagnostic. Les ensembles flous peuvent être utiles à deux niveaux en classification, soit pour représenter des classes aux frontières graduelles, soit pour représenter des valeurs d'attributs mal connus. Sont ainsi présentés des algorithmes de regroupements en classes floues, et des méthodes de classification basées sur des procédures de filtrage flou utilisant des mesures de possibilité et de nécessité. L'usage de l'intégrale de Choquet comme opérateur d'agrégation très général pour calculer des degrés d'appariement globaux d'un objet à une classe, à partir des degrés relatifs à chaque attribut, est aussi présenté. L'article s'intéresse ensuite à des approches utilisant des relations floues ou des règles floues pour exprimer les liens entre les classes et les sous-domaines d'un produit cartésien d'attributs. La première partie de l'article sur la classification se termine par un exposé des méthodes de classification syntaxique floue, et des méthodes de plus proches voisins flous. La seconde partie de l'article traite des applications au diagnostic, depuis la reconnaissance de situations anormales jusqu'à la recherche des causes ayant pu conduire à une situation observée. Sur ce second point, les méthodes à base de relations floues liant causes et effets sont passées en revue, selon que la relation floue représente une intensité de présence, ou une incertitude de présence. Des indices de cohérence et de pertinence entre hypothèse de pannes et observations peuvent alors être calculés. Ils correspondent à des indices de filtrage flou. Un parallèle avec l'approche bayésienne est présenté. Les cas particuliers des attributs binaires, ou des observations précises, sont plus spécialement discutés