Am lioration Des Performances Des Classifieurs

La performance d'une mthode de classification est d'un grand intrt pour le choix, la comparaison et la validation des algorithmes de classification. La lisibilit des rsultats et la rduction du cout d'chec total de la classification sont d'une importance cruciale pour l'amlioration de la performance des classifieurs. Dans cet ouvrage, nous proposons principalement deux approches de rsolution travers la description d'un modle d'optimisation mtaheuristique baptis ProSadm-HBA (ProSadm : Programmation d'un Systme d'Aide au Diagnostic Mdical, en conjonction avec la mtaheuristique HBA : Homogeneity Based-Algorithm) et F-HBA ( Fuzzy Homogeneity Based-Algorithm). Nous avons valid nos rsultats exprimentaux sur des bases de donnes mdicales connues : Pima (Diabtes), TH (Troubles Hpatiques), AP (Appendicite). Les approches dveloppes permettent de minimiser le nombre total d'checs de la classification (ProSadm-HBA) tout en respectant la contrainte d'interprtabilit des classifieurs (F-HBA). Ces contributions peuvent tre d'un grand intrt pour les experts dans le domaine mdical.