Résumé
In this paper, a training set is used to generate fuzzy partitions. The fuzzy sets within the partition can be interpreted as linguistic labels, due to the respect of semantic constraints through the generation procedure. Partitions of various sizes are produced with a related validity index, which can be used to determine the best suited partition to user needs. The proposed method is an ascending merging procedure. In each input dimension, the starting point is a m fuzzy set partition. By aggregating two fuzzy sets at each stage, a new partition of reduced size is produced. The aggregating criterion is based upon a distance function, the originality of which being that it takes into account the current fuzzy partition structure.The whole procedure is illustrated on the Fisher iris data.
Cet article présente une nouvelle méthode pour la génération automatique de partitions floues, à partir d'un ensemble d'apprentissage. Ces partitions sont constituées de sous-ensembles flous qui peuvent s'interpréter comme des labels linguistiques car la procédure de génération obéit à des contraintes sémantiques. Des partitions de différentes tailles sont générées, et un indice de qualité est associé à chaque partition. Ceci permet à l'utilisateur de choisir, dans chaque dimension, la partition la plus adaptée à son problème. La méthode proposée est une méthode ascendante, qui, pour chaque variable d'entrée, part d'une partition de l'espace en m sous-ensembles flous. Par agrégation successive de deux sous-ensembles flous à chaque étape, on obtient des partitions de taille décroissante. Le critère d'agrégation est basé sur une fonction de distance, conçue pour tenir compte du partitionnement flou. A titre d'illustration, la procédure est appliquée aux iris de Fisher.