Modélisation et classification des données binaires en grande dimension : application à l'autopsie verbale

Résumé

Le manque de données fiables sur les niveaux et les causes de mortalité constitue encore un frein au développement dans les pays défavorisés. Dans ces pays, il n’est pas toujours facile d’obtenir des informations fiables sur la morbidité et la mortalité. L’autopsie verbale est devenue la principale source d’information sur les causes de décès dans ces localités. Cette méthode s’appuie sur des questionnaires structurés de manière à déterminer la symptomatologie et à obtenir des informations sur la cause probable du décès. Ces données collectées conduisent à l’élaboration de méthodes dites d’aide aux diagnostics qui reposent souvent sur les méthodes de classification. La problématique porte sur l’élaboration d’une méthode de diagnostic automatique à partir des données d’enquête. L’objectif est d’obtenir des diagnostics en prenant en compte la présence ou l’absence de symptômes et des variables socio-démographiques. Il repose sur la construction de modèles de discrimination à partir de données multi-classes avec un nombre important de variables explicatives à caractère binaire. Une partie de ce travail de thèse porte sur l’utilisation d’un modèle de mélange sous l’hypothèse d’indépendance conditionnelle et sur des techniques de réduction de la dimensionnalité. Le caractère binaire des réponses suppose des méthodes reposant sur les mesures de similarité. Ainsi, une généralisation de plusieurs mesures de similarités et de dissimilarités est exposée dans cette thèse. Nous avons également présenté une technique de construction de noyaux pour la classification à partir d’une mesure de similarité. La seconde partie de cette thèse présente une méthode de classification combinant à la fois les mesures de similarités et les modèles de mélange. La structure hiérarchique des questions posées lors de l’entretien et de leurs interactions nous a permis de définir une structure sur les données. Ainsi pour mieux prendre en compte cette structure, nous avons présenté lors de nos travaux un noyau hiérarchique avec effet d’interactions entre les variables. Ce noyau combine à la fois une structure hiérarchique des variables suivant un arborescence à deux niveaux et l’interaction de leurs sous variables jusqu’à un certain ordre fixé

Citer ce document

Accès au document

Ce document est hébergé sur son dépôt institutionnel d'origine.

Auteur(s)

Statistiques

Consultations : 3

Téléchargements : 0