Classification hierarchique floue basee sur le SVM et son application pour la categorisation des documents

La croissance exponentielle des moyens de communication durant ces dernieres annees et en particulier l' Internet a contribue a l'augmentation du volume de donnees traitees via les reseaux informatiques. Cette croissance a pousse les chercheurs a penser a la meilleure facon de structurer ces donnees pour faciliter leur acces et leur classification. A ce probleme de classification, plusieurs techniques ont ete proposees. Dans la pratique, nous constatons deux grandes familles de problemes de classification, les problemes binaires et les problemes multi-classes. Le premier constat ayant attire notre attention est l'existence du probleme de confusion de classes lors de la classification. Ce phenomene rend les resultats ambigus et non interpretables. Le deuxieme constat est la difficulte de resoudre ces problemes par les methodes existantes surtout dans le cas ou les donnees ne sont pas lineairement separables. En outre, les methodes existantes souffrent des problemes de complexite en temps de calcul et d'espace memoire. Afin de remedier a ces problemes, nous proposons une nouvelle methode de classification qui s'articule autour de trois principaux concepts: la classification hierarchique, la theorie de la logique floue et la machine a vecteur de support (SVM). A cet egard et vu l'importance accordee au domaine de classification des textes, nous adaptons notre methode pour faire face au probleme de la categorisation des textes. Nous testons la methode proposee sur des donnees numeriques et des donnees textuelles respectivement. Les resultats experimentaux ont demontre une performance considerable comparativement a certaines methodes de classification.