1 - Contribution des mesures d'information à la modélisation crédibiliste de connaissances

Dans le cadre de la reconnaissance de formes, plusieurs methodes de classification ont ete developpees. Plus recemment, des methodes utilisant la theorie de Dempster-Shafer ont ete mises au point afin de gerer les problemes lies a la fusion d'informations imparfaites. Nous proposons ici une methode de discrimination fondee sur l'utilisation de structures de croyance. L'une des principales difficultes de la theorie de l'evidence reside dans la modelisation des connaissances. Afin de pallier ce probleme, plusieurs methodes de modelisation des connaissances a l'aide de fonctions de croyance ont vu le jour, dont celle proposee par A. Appriou [1, 2]. Afin de respecter l'inference bayesienne dans le cas de la connaissance parfaite des probabilites a priori, nous utilisons cette methode pour initialiser nos fonctions de croyance. Notre contribution reside dans l'utilisation de coefficients de fiabilite attribues a chaque source d'information selon chaque hypothese afin de modeliser le plus precisement possible l'information disponible. Ces coefficients sont definis par l'intermediaire d'une mesure de ressemblance entre des approximations de lois de probabilites a priori inconnues. Celles-ci sont determinees par des histogrammes construits a l'aide de criteres d'information. Les structures de croyance issues des sources les moins fiables sont alors affaiblies. Ensuite, les informations sont fusionnees a l'aide de l'operateur de combinaison de Dempster. Des resultats sur des donnees synthetiques sont proposes afin d'illustrer la methode.