• Financement : Artois
  • Thèse soutenue le :
  • 5 déc. 2025

Cette thèse s’inscrit à l’intersection du raisonnement qualitatif spatial et temporel et de la fouille de données, et porte sur l’extraction de connaissances à partir de données complexes. Elle vise à développer un cadre formel et méthodologique permettant d’extraire des connaissances à la fois pertinentes et compréhensibles, ce qui demeure difficile à atteindre avec les approches classiques de fouille de données.

Deux axes principaux structurent ce travail. Le premier concerne la fouille de motifs qualitatifs : il formalise la notion de motif qualitatif dans des bases de données qualitatives ,considérées comme des ensembles de réseaux de contraintes qualitatives, et propose des méthodes adaptées pour leur extraction. Le second porte sur le clustering qualitatif, en introduisant des techniques basées sur la cohérence des réseaux de contraintes qualitatives.

Ces contributions s’appuient à la fois sur des approches déclaratives et algorithmiques, et sont accompagnées d’une validation expérimentale mettant en évidence leur faisabilité et pertinence.

Jury

  • Salima BENBERNOU, Professeur des Universités, rapporteur
  • Maroua BOUZID, Professeur des Universités, rapporteur
  • Jean-François CONDOTTA, Professeur des Universités, directeur de thèse
  • Souhila KACI, Professeur des Universités, examinateur
  • Daniel LE BERRE, Professeur des Universités, examinateur
  • Yakoub SALHI, Professeur des Universités, directeur de thèse
  • Michael SIOUTIS, Professeur Junior, examinateur