I.8 Conclusion
Il est évident que l'ECD biologiques soit un
processus complexe. Cette complexité est induite par les formats de
données qui ne sont pas souvent les formats standards connus usuellement
en informatique. De plus cette complexité se traduit au niveau de
l'implémentation des différentes méthodes utilisées
: HMM, réseaux de neurones, etc. Ce qui rend la fouille de
données assez couteuse en particulier pour certaines méthodes
telle que la recherche d'association. De plus, les travaux de fouille en
biologie sont assez variés : prédiction de gènes,
recherche de motifs fréquents, etc. Peu de travaux sont consacrés
à l'optimisation des méthodes de fouille de données dans
un contexte biologique, et ce pour la spécificité des
données utilisées.
Notre travail porte précisément sur
l'extraction des règles d'association dans un contexte biologique, avec
post-traitement des résultats par optimisation par la machine
cellulaire, dont l'efficacité a été prouvée [Atmani
et Beldjilali, 2007], [Benamina et Atmani, 2008]. Le chapitre 2 est
consacré à l'extraction des règles d'association et
au
Chapitre I : L'extraction de connaissances à
partir de données biologiques - 32 -
processus utilisé pour les produire, et le
chapitre 3 étalera leurs modélisations booléennes par le
système BRI.
Chapitre II : L'extraction de règles d'association -
33 -
| 
